گلنوش یاسمی زاده - دانشجوی ارشد، دانشگاه غیاث الدین جمشید کاشانی، دانشکده مهندسی برق و کامپیوتر
فرزاد اسکندری - استاد دانشگاه علامه طباطبایی

امروزه شمار کثیری از کاربران با اهداف مختلف در شبکه های اجتماعی عضو شده و به فعالیت های گوناگون می پردازند. از سوی دیگر این کاربران بر یکدیگر تاثیر می گذارند و تاثیرگذاری کاربران مختلف یکسان نیست. اینکاربران که ما از آنها به عنوان گره های قدرت نام می بریم می توانند نظر و دیدگاه کاربران زیادی را تغییر داده و به سمت و سوی خاصی سوق دهند. در این مقاله ما ویژگی ها و روش هایی را پیشنهاد می کنیم که میتوان از آنها برای تولید یک فهرست برای شناسایی افراد تاثیرگذار در شبکه های اجتماعی استفاده کرد. ما تعدادی از ویژگی ها را پیشنهاد کردیم و مشاهده کردیم که مهم ترین شاخص ها در این الگوریتم به ترتیب، تعداد لیست های عمومی، دنبال کنندگان، باز ارسال ها، اشاره شدن ها و تعداد پست ها و شاخصه های دنبال شوندگان، باز ارسالی ها و اشاره کردن های کاربر از اهمیت کمتری برخوردارند. تحلیل ما نشان می دهد که سه ویژگی اجتماعی محبوبیت، فعالیت و نفوذ برای اندازه گیری تاثیر کاربر در توییتر بسیار مهم هستند. و همچنین پژوهش ما حاکی از آن است که روش ترکیبی آدابوست دقت بالاتری نسبت به استفاده، از تنها یک روش برای طبقه بندی رکورد ها دارد. با استفاده از مدل نهایی ساخته شده به راحتی پیش بینی برای داده های جدید صورت می گیرد. به این ترتیب که با کمک داده های جدید (همان ویژگی هایی که برای ساخت مدل از آن ها استفاده شد) و وارد کردن آن ها به مدل نهایی میتوان وضعیت کاربر رااز جهت تعلق وی به دسته کاربر عادی یا تاثیرگذار پیش بینی نمود.

یادگیری ماشین، دسته بندی، شبکه اجتماعی، گره های قدرت