يافتن افراد تأثيرگذار در گراف شبكه هاي اجتماعي براساس الگوريتم CSCS و مقدار شاپلي در نظريه بازي

پيشرفت هاي اخير شبكه هاي اجتماعي آنلاين به ويژه كاربردهاي آن در دنياي فناوري و اطلاعات مدرن، موجب گسترش چشم گير نظريه هاي گراف و بازي شده است و توجه بسياري از محققان رياضي، متخصصان علوم كامپيوتر و تحليل گران آماري را به خود جلب كرده است. يكي از ويژگي هاي مهم و كليدي شبكه هاي اجتماعي اين است كه گسترش روابط بين افراد مي توانند در تصميم گيري آنها، تأثير به سزاي داشته باشد. لذا يكي از مباحث مطرح و كاربردي در شبكه هاي اجتماعي، يافتن تأثيرگذارترين و بانفوذترين افراد در راستاي بيشينه سازي تأثير فعاليت هاي آنها در ايجاد تبليغات ويروسي در خريد كالا، پخش شايعات مخرب، انتشار اخبار كاذب، مهندسي انتخابات و ... است. در اين مقاله، ابتدا به بررسي انتشار ميان گره ها با استفاده از مركزيت مقدار شاپلي، تقسيم يك شبكه به جوامع كوچك‌تر و مدل آبشاري در نظريه بازي ها مي‌پردازيم. سپس براي يافتن تأثيرگذارترين و با نفوذترين افراد در گراف شبكه هاي اجتماعي الگوريتم CSCS پيشنهاد گرديده كه روي مجموعه داده هاي مختلفي پياده سازي شده است. در نهايت، نتايج الگوريتم پيشنهادي با نتايج ساير الگوريتم هاي موجود مقايسه شده است.