شناسايي گره‌هاي مؤثر در شبكه‌هاي اجتماعي با تركيب روش‌هاي مركزيت و فعاليت گره

دنياي امروز تبديل به يك محيط رقابتي در همه زمينه‌ها مانند سياست، اقتصاد، مسائل اجتماعي، عقايد و مانند اين‌ها شده است كه براي پيشبرد اهداف خود از ابزار شبكه‌هاي اجتماعي استفاده مي‌كنند. محققين براي رسيدن به اين اهداف توسط شبكه‌هاي اجتماعي از بيشينه‌سازي نفوذ (IM) بهره مي‌برند. وظيفه بيشينه‌سازي، شناسايي گره‌هاي مؤثري است كه تحت عنوان گره‌هاي آغازگر شناخته مي‌شوند و يك راهبرد براي رسيدن به بيشترين انتشار اطلاعات و يا كمترين اپيدمي با كمترين هزينه است. بيشينه‌سازي يك مسئله NPhard است. محققان براي شناسايي گره‌هاي مؤثر به دنبال روش‌هايي براي كاهش پيچيدگي و دقت شناسايي قابل قبولي هستند؛ بنابراين در اين تحقيق براي فائق آمدن به پيچيدگي مسئله و در عين حال بالا بردن دقت شناسايي، روشي جديد با تركيب مركزيت فعاليت ارائه مي‌شود. در اين روش به‌صورت سراسري محدوديتي بر روي گراف شبكه براي استخراج گره‌ها توسط روش مركزيت ايجاد مي‌شود در ادامه، تحليل گراف توسط روش فعاليت بروي گره‌هاي محلي استخراج شده صورت مي‌گيرد. امتياز تحليل فعاليت با امتياز روش مركزيت تركيب مي‌شود كه منتج به نمايش گره‌هاي مؤثر مي‌شود. روش پيشنهادي با روش‌هايي نظير Page Rank و مركزيت نزديكي مقايسه مي‌شود و نتايج حاكي از آن است كه روش پيشنهادي از نظر دقت در نقاط پايين بهتر از هر دو عمل كرده است و از طرفي توانسته است پيچيدگي پايين‌تري نسبت به هر دو داشته باشد. در آينده براي بالا بردن دقت در نقاط بالا مي‌توان در مرحله تحليل فعاليت از مفاهيم امتيازدهي تكراري استفاده نمود.