اندازه گیری نفوذ در شبکه های اجتماعی آنلاین بر اساس گراف دو قسمتی محتوای کاربر

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

اندازه گیری نفوذ در شبکه های اجتماعی آنلاین بر اساس گراف دو قسمتی محتوای کاربر

عنوان لاتین

Measuring influence in online social network based on the user-content bipartite graph

با ظهور شبکه های اجتماعی آنلاین، نفوذ یک نیروی پیچیده و دقیق برای حکمرانی بر رفتارهای کاربر و شل گیری رابطه بوده است. بنابراین، چگونگی تشخیص و اندازه گیری دقیق نفوذ به عنوان یک جهت گیری پژوهشی داغ بوده است. جدا از تحقیقات موجود، ما وضعیت کاربران در شبکه و محتواهای تولیدی این کاربران را ترکیب نمودیم تا به طور مصنوعی انتشار نفوذ را اندازه گیری کنیم. ما در این مقاله ابتدا یک مدل گراف دو قسمتی محتوای کاربر هدایت شده را پیشنهاد کردیم. در ادامه، یک الگوریتم تکراری به منظور محاسبه دو امتیاز یا نمره طراحی گردید: نفوذ کاربران و دسترسی تخته. سرانجام، آزمایش های گسترده ای را بر روی مجموعه داده های استخراج شده از جامعه‌ی آنلاین پینترست انجام دادیم. نتایج تجربی تأیید نمود که مدل پیشنهادی ما می تواند با نفوذترین کاربران و تخته های محبوب را به طور مؤثری کشف نماید همچنین می توان انتظار داشت که برای کاربردهای مختلف مفید باشد، به عنوان مثال، بازاریابی ویروسی، توصیه های شخصی، بازیابی اطلاعات، و غیره.

With the rising of online social networks, influence has been a complex and subtle force to govern users’ behaviors and relationship formation. Therefore, how to precisely identify and measure influence has been a hot research direction. Differentiating from existing researches, we are devoted to combining the status of users in the network and the contents generated from these users to synthetically measure the influence diffusion. In this paper, we firstly proposed a directed user-content bipartite graph model. Next, an iterative algorithm is designed to compute two scores: the users’ Influence and boards’ Reach. Finally, we conduct extensive experiments on the dataset extracted from the online community Pinterest. The experimental results verify our proposed model can discover most influential users and popular broads effectively and can also be expected to benefit various applications, e.g., viral marketing, personal recommendation, information retrieval, etc.