کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7374934 1480066 2018 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Identifying influencers from sampled social networks
ترجمه فارسی عنوان
شناسایی افراد تأثیرگذار از شبکه‌های اجتماعی که برای نمونه انتخاب شده‌اند
کلمات کلیدی
شبکه‌های اجتماعی، رسانه‌های اجتماعی، رتبه‌بندی گره‌ها، نفوذ، نمونه‌برداری از شبکه
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1. مقدمه 

2. پژوهش مربوطه

3. روش‌شناسی

3‌.1 مرور کلی

جدول1: آمار مجموعه ‌داده‌های بررسی‌شده

3‌.2 مجموعه داده‌ها

3‌.3 استراتژی‌های نمونه‌برداری

3‌.4  شاخص‌های سنجش

4. یافته‌ها

شکل1: مقایسه همپوشانی‌ %1 با اندازه نمونه هنگام استفاده از نمونه‌برداری شمارش لبه نمونه در هر یک از مجموعه داده‌ها 

شکل3: مقایسه همپوشانی %1 با اندازه نمونه هنگام استفاده از نمونه‌برداری جستجوی عمقی در هر یک از مجموعه داده‌ها 

شکل4:  مقایسه همپوشانی%1 با اندازه نمونه هنگام استفاده از نمونه‌برداری تصادفی در هریک از مجموعه داده‌ها

شکل5: مقایسه نفوذ هنجاریافته I1%  با اندازه نمونه هنگام استفاده از نمونه‌برداری شمارش لبه نمونه در هر یک از مجموعه داده‌ها

5. گفتگو

شکل6:  مقایسه نفوذ هنجاریافته با کسری از گره‌های برتر p هنگام  استفاده از نمونه‌برداری شمارش لبه نمونه در هر یک از مجموعه‌داده‌ها

6. نتیجه‌گیری

 
ترجمه چکیده
شناسایی افراد تأثیرگذار که می‌توانند از طریق شبکه اجتماعی اطلاعات را به افراد زیادی منتقل کنند یکی از کارهای تحقیقاتی اساسی در حوزه پژوهشی علم شبکه است. معیارهای متعددی برای شناسایی افراد تأثیرگذار ارائه شده است و اثربخشی معیارهای نفوذ در مواردی که ساختار کامل شبکه اجتماعی مشخص شده باشد ارزیابی می‌شود. البته حصول ساختار کامل شبکه‌ اجتماعی به دلیل داده‌های مفقود، داده‌های نادرست یا نمونه‌برداری لینک/گره از این شبکه در عمل دشوار است. در این مقاله پیامدهای نمونه‌برداری گره‌های شبکه اجتماعی را بر اثربخشی معیارهای نفوذ در شناسایی افراد تأثیرگذار بررسی می‌کنیم. یافته‌های ما نشان می‌دهد که به‌طور کلی تبعات منفی نمونه‌برداری اریب مانند نمونه‌برداری شمارش لبه نمونه بر شناسایی افراد تأثیرگذار ناچیز است. در مورد شبکه‌های رسانه‌های اجتماعی، شناسایی افراد تأثیرگذاری که میزان نفوذ آنها با افراد تأثیرگذار شناسایی‌شده از شبکه‌‌های کامل اجتماعی قابل مقایسه است تنها با نمونه‌برداری از10 تا 30 درصد شبکه‌ها انجام دادیم. افزون براین، یافته‌های ما مزیت احتمالی نمونه‌برداری از شبکه را در شناسایی افراد تأثیرگذار نشان می‌دهند. با توجه به نتایج حاصل دریافتیم که در بعضی از شبکه‌ها، امکان شناسایی گره‌های پرنفوذ در شبکه‌های اجتماعی نمونه‌برداری ‌شده بیشتر از شبکه‌های کامل اجتماعی است .
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
Identifying influencers who can spread information to many other individuals from a social network is a fundamental research task in the network science research field. Several measures for identifying influencers have been proposed, and the effectiveness of these influence measures has been evaluated for the case where the complete social network structure is known. However, it is difficult in practice to obtain the complete structure of a social network because of missing data, false data, or node/link sampling from the social network. In this paper, we investigate the effects of node sampling from a social network on the effectiveness of influence measures at identifying influencers. Our experimental results show that the negative effect of biased sampling, such as sample edge count, on the identification of influencers is generally small. For social media networks, we can identify influencers whose influence is comparable with that of those identified from the complete social networks by sampling only 10%-30% of the networks. Moreover, our results also suggest the possible benefit of network sampling in the identification of influencers. Our results show that, for some networks, nodes with higher influence can be discovered from sampled social networks than from complete social networks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 507, 1 October 2018, Pages 294-303
نویسندگان
, ,