شناسایی انجمن ها و گره های موثر در انتشار اطلاعات مربوط به ویروس کرونا به کمک تحلیل شبکه اجتماعی توئیتر

حجم انبوه اطلاعات ارسال شده در شبکه های اجتماعی، به دلیل زمینه های کاربردی متنوع که می توان از آنها استفاده کرد، توجه فزاینده ای را به خود جلب کرده است. در واقع، این اجتماعات مجازی کاربران را قادر می سازند تا نظرات خود را بیان کنند و همچنین بر سایر کاربران تاثیر بگذارند. بنابراین، شناسایی تاثیرگذاران کلیدی شبکه اجتماعی و انجمن های تشکیل شده پیرامون یک موضوع، با بهره گیری از روش تحلیل شبکه های اجتماعی، بسیار مهم است. ارتباط میان موجودیت های مختلف در شبکه به درک این مسئله کمک خواهد کرد. در این پژوهش نظرات پیرامون ویروس جدید کرونا در شبکه ی توئیتر مورد بررسی قرار گرفته است. شبکه ی مصور شده، در نرم افزار گفی، توسط یکی از الگوریتم های تشخیص انجمن همچون louvain مورد بررسی قرار گرفته است. همچنین از الگوریتم های hits و pagerank برای تجزیه و تحلیل تاثیر انتشار اطلاعات و رتبه‌بندی موجودیت ها استفاده شده است.

Community Detection and Influencer Nodes in Information Ropagation about the Coronavirus using Twitter Social Network Analysis

The mass volume of information posted on social networks has attracted increasing attention due to the variety of applications that can be used. In fact, these virtual communities enable users to express their viewpoints as well as influence other users. Therefore, it is very important to identify the key influencers of the social network and the communities formed around a topic, using the method of social network analysis. The connection between different entities in the network will help to understand this issue. In this study, conversations about the new coronavirus have been examined on Twitter. The illustrated network is examined in Gephi software by one of the community detection algorithms such as Louvain. HITS and PageRank algorithms are also used to analyze the impact of information propagation and ranking of entities.