ارائه الگوریتمی برای تشخیص جامعه و انتخاب دانه هایی با بیشترین تاثیر در شبکه های اجتماعی

گسترش تاثیر یک ایده در شبکه های اجتماعی مسئله ایست که امروزه موردتوجه علوم مختلف واقع شده است.در این مقاله، مساله بیشینه سازی تاثیر آگاهی از مکان LAIM را توسعه میدهیم و معیارهای مرکزیت را نیز درنظر می گیریم. این مساله مجموعه ای از دانه ها را برای بیشینه سازی تاثیر روی کاربران هدف، برای یک سوالداده شده، پیدا میکند. کاربرانی که دارای اولویت جغرافیایی روی سوال هستند، به عنوان کاربران هدف در نظرگرفته میشوند . یکی از چالش های این مساله پیداکردن کاربران هدف و محاسبه اولویت آنها برای سوال دادهشده است. برای حل این چالش، بر اساس R-tree ، ساختار فهرست PR-tree را ایجاد می کنیم، که در آن هرگره درخت، مکان و اطلاعات اولویت جغرافیایی کاربران را ذخیره میکند . برای یافتن موثرکاربران هدف می-توان PR-tree را از ریشه به ترتیب اول عمق پیمایش کرد. از دیگر چالش های این مساله، طراحی الگوریتمیبرای انتخاب دانههای هدفمند است . برای حل این چالش، از مدل بیشترین تاثیر (MIA) برای به دست آوردنتقریب گسترش تاثیر استفاده میکنیم و الگوریتم انتخاب دانه مبتنی بر جامعه را پیشنهاد میدهیم . الگوریتمپیشنهادی، دانه های موثر را با ساختن فهرست های آفلاین مبتنی بر PR-tree ، معیار های مرکزیت دانه ها وتاثیرات حاشیه ای آن ها، پیدا می کند. به طور خاص، از الگوریتم تشخیص جامعه بهره میگیریم که ابتدا تاثیراجتماعی مبتنی بر شباهت را با مدل MIA محاسبه میکند و سپس الگوریتم خوشه بندی طیفی را برای یافتنجوامع بهینه شبکه اجتماعی درنظر می گیریم.

Keywords:

حداکثر تاثیر , تاثیر اجتماعی , تشخیص جامعه , آگاهی از مکان , معیارهای مرکزیت