ارائه الگوريتمي براي تشخيص جامعه و انتخاب دانه هايي با بيشترين تأثير در شبكه هاي اجتماعي

گسترش تأثير يك ايده در شبكههاي اجتماعي مسئله ايست كه امروزه موردتوجه علوم مختلف واقعشده است. در اين مقاله، مساله بيشينه سازي تاثير آگاهي از مكان LAIM را توسعه ميدهيم و معيارهاي مركزيت را نيز در نظر ميگيريم. اين مساله مجموعه اي از دانهها را براي بيشينه سازي تاثير روي كاربران هدف، براي يك سوال داده شده، پيدا ميكند. كاربراني كه داراي اولويت جغرافيايي روي سوال هستند، به عنوان كاربران هدف در نظر گرفته ميشوند . يكي از چالش هاي اين مساله پيداكردن كاربران هدف و محاسبه اولويت آنها براي سوال داده شده است. براي حل اين چالش، بر اساس R-tree ، ساختار فهرست PR-tree را ايجاد ميكنيم، كه در آن هر گره درخت، مكان و اطلاعات اولويت جغرافيايي كاربران را ذخيره ميكند . براي يافتن موثركاربران هدف مي- توان PR-tree را از ريشه به ترتيب اول عمق پيمايش كرد. از ديگر چالش هاي اين مساله، طراحي الگوريتمي براي انتخاب دانههاي هدفمند است . براي حل اين چالش، از مدل بيشترين تاثير ( MIA ( براي به دست آوردن تقريب گسترش تاثير استفاده ميكنيم و الگوريتم انتخاب دانه مبتني بر جامعه را پيشنهاد ميدهيم . الگوريتم پيشنهادي، دانههاي موثر را با ساختن فهرستهاي آفلاين مبتني بر PR-tree ، معيار هاي مركزيت دانه ها و تاثيرات حاشيه اي آن ها، پيدا مي كند. به طور خاص، از الگوريتم تشخيص جامعه بهره ميگيريم كه ابتدا تاثير اجتماعي مبتني بر شباهت را با مدل MIA محاسبه ميكند و سپس الگوريتم خوشه بندي طيفي را براي يافتن جوامع بهينه شبكه اجتماعي درنظر ميگيريم.