ارائه ی یک روش کارا برای شناسایی گره های تاثیرگذار در شبکه های اجتماعی بزرگ

به دلیل اهمیت مبحث انتشار و استحکام معماری در شبکه، روش های زیادی برای کشف گره ی تاثیرگذار ارائه شده است. با این وجود هر کدام از معیارهای ارائه شده دارای محدودیت های خاص خود هستند. الگوریتم gls یکی از متدهای کشف و رتبه بندی گره های تاثیرگذار است. gls با ادغام دو بعد اطلاعات سراسری و محلی گره ها، از دقت بیشتری نسبت به متدهای کلاسیک و نوین مشابه برخوردار است اما، به اندازه کافی سریع و کارآمد نیست. در این مقاله الگوریتم ngls برای بهبود کارایی و مقیاس پذیری gls توسعه یافته است. این تغییر با در نظرگرفتن همسایه های مشترک هر گره با همسایه هایش تنها تا شعاع دو در بخش محاسبه ی تاثیر سراسری انجام شده است. زمان اجرای ngls به طور متوسط در شبکه های دنیای واقعی 85 درصد و در شبکه های شبیه سازی شده 97 درصد کاهش یافته است، در حالی که ngls با gls از نظر دقت یکسان هستند. در نتیجه، از ngls درشبکه های دنیای واقعی بزرگتر می توان استفاده کرد