یافتن افراد تأثیرگذار در گراف شبکه های اجتماعی براساس الگوریتم CSCS و مقدار شاپلی در نظریه بازی

Abstract

span style=font-family:B Nazanin;span style=font-size:10.0pt;پیشرفتshy; های اخیر شبکه rlm;های اجتماعی آنلاین به ویژه کاربردهای آن در دنیای فناوری و اطلاعات مدرن، موجب گسترش چشم گیر نظریه shy;های گراف و بازیshy; شده است و توجه بسیاری از محققان ریاضی، متخصصان علوم کامپیوتر و تحلیلshy;گران آماری را به خود جلب کرده است. یکی از ویژگیrlm; های مهم و کلیدی شبکهrlm; های اجتماعی این است که گسترش روابط بین افراد میrlm;توانند در تصمیم rlm;گیری آنها، تأثیر به shy;سزای داشته باشد. لذا یکی از مباحث مطرح و کاربردی در شبکه/span/spanspan dir=LTRspan style=font-family:Times New Roman,serif;span style=font-size:10.0pt;shy;/span/span/spanspan style=font-family:B Nazanin;span style=font-size:10.0pt;های اجتماعی، یافتن تأثیرگذارترین و بانفوذترین افراد در راستای بیشینه/span/spanspan dir=LTRspan style=font-family:Times New Roman,serif;span style=font-size:10.0pt;shy;/span/span/spanspan style=font-family:B Nazanin;span style=font-size:10.0pt;سازی تأثیر فعالیتshy; های آنها در ایجاد تبلیغات ویروسی در خرید کالا، پخش شایعات مخرب، انتشار اخبار کاذب، مهندسی انتخابات و ... است. در این مقاله، ابتدا به بررسی انتشار میان گره rlm;ها با استفاده از مرکزیت مقدار شاپلی، تقسیم یک شبکه به جوامع کوچک‌تر و مدل آبشاری در نظریه shy;بازیshy; ها می‌پردازیم/span/spanspan dir=LTRspan style=font-family:Times New Roman,serif;span style=font-size:10.0pt;./span/span/spanspan style=font-family:B Nazanin;span style=font-size:10.0pt; سپس برای یافتن تأثیرگذارترین و با نفوذترین افراد در گراف شبکهshy; های اجتماعی الگوریتم /span/spanspan dir=LTRspan style=font-family:Times New Roman,serif;span style=font-size:10.0pt;CSCS/span/span/spanspan style=font-family:B Nazanin;span style=font-size:10.0pt; پیشنهاد گردیده که روی مجموعه داده rlm;های مختلفی پیادهshy; سازی شده است. در نهایت، نتایج الگوریتم پیشنهادی با نتایج سایر الگوریتمrlm; های موجود مقایسه شده است.span dir=LTRspan style=font-family:Times New Roman,serif;span style=font-size:10.0pt;/span/span/span/span/span