رتبه بندی کاربران بر اساس میزان تاثیر گذاری در شبکه اجتماعی توئیتر

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,259

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CSCCIT01_129

تاریخ نمایه سازی: 8 بهمن 1390

Abstract:

امروزه فعالیت در شبکه های اجتماعی به جزء لاینفکی از زندگی بخش عظیمی از کاربران اینترنت تیدیل شده است. کاربران در این سایت ها به ارتباط با دیگر کاربران ، تولید محتوا و به اشتراک گذاری محتوا می پردازند. محتواهای کاربران بسته به شخصیت و علایق کاربر در حوزه های متفاوتی قرار می گیرند. از طرف دیگر کاربران بر یکدیگر تاثیر می گذارند که نقش و تاثیرگذتری کاربران مختلف یکسان نیست. کاربرانی در این شبکه ها وجود دارند که به دلایل مختلفی از جمله موقعیت شغلی ، نوع شخصیت یا نوشته های جذاب ، نفوذ و تاثیر بیشتری بر کاربران دیگر می گذارند. مشخص کردن این کاربران می تواند کاربردهای زیادی مانند استخراج دیدگاه عومی در رابطه با یک مفهوم یا سمت و سوی دیدگاه عموم به آن مفهوم داشته باشد. در این مقاله روشی پیشنهاد شده است که با بررسی کاربران توئیتر به عنوان یکی از محبوب ترین شبکه های اجتماعی به تشخیص کاربران تاثیرگذار و رتبه بندی آنها بپردازد. پارامترهایی که در این زمینه بکار گرفته شده اند عبارتند از : تعداد دنبال کنندگان ، نسبت تعداد دنبال شودندگان به دنیال کنندگان ، تعداد اشاده شده ، تعداد نوشته هایی که بیش از یکبار باز ارسال شده اند. پس از پیاده سازی بر اسا پارامترهای فوق ، کاربرانی با میزان تاثیرگذاری بالا ، از مجموعه داده مود نظر استخراج شد. همچنین به کمک این ویژگی ها وشی برای تشخیص کاربران تولید کننده اسپم یافته شد.

Keywords:

تحلیل شبکه های اجتماعی , رتبه بندی کاربران , توئیتر , اثرگذاری

Authors

امیر بادامچی

دانشگاه صنعتی امیرکبیر- دانشکده مهندسی کامپیوتر و فناوری اطلاعات

محمدرضا فانی

دانشگاه صنعتی امیرکبیر- دانشکده مهندسی کامپیوتر و فناوری اطلاعات

سعید شیری قیداری

دانشگاه صنعتی امیرکبیر- دانشکده مهندسی کامپیوتر و فناوری اطلاعات

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • ReGreT, a reputation model based on social relations, ; ACM ...
  • P. De Meo, A. Nocera, G. Quattrone, D. Rosaci, and ...
  • B. Pang, L. Lee, and S. Vaithyanathan, "Thumbs up?: sentiment ...
  • M. Pennacchiott and A.M. Popescu, "Democrats, republicans and Starbucks afficionados: ...
  • T. Hogg and L. Adamic, "Enhancing reputation mechanisms via online ...
  • C. Dellarocas, _ digitization of word-o f-mouth: Promise and challenges ...
  • J.M. Pujol, R. Sangiesa, and J. Delgado, "Extracting reputation in ...
  • نمایش کامل مراجع