بیشینه‌سازی تاثیر در شبکه‌های اجتماعی بر اساس فعالیت کاربران

امروزه بخش زیادی از فعالیت‌های روزمره افراد در شبکه‌های اجتماعی سپری می‌شود. تعداد کاربران زیاد این شبکه‌ها و سرعت بالای انتشار پیام در شبکه‌های اجتماعی، بستر مناسبی را برای بازاریابی کم‌هزینه و موثرتر در این شبکه‌ها فراهم می‌کند. انتخاب مجموعه کوچکی از کاربران تاثیرگذار که در صورت فعال‌شدن آنها و نزدیکانشان، انتشار اطلاعات در شبکه را به حداکثر می‌رسانند مسئله بیشینه‌سازی تاثیر نامیده می‌شود که به دلیل ماهیت غیرقطعی آن و افزایش قابل‌توجه اندازه شبکه‌های اجتماعی همچنان چالش‌برانگیز باقی‌مانده است به همین دلیل در این مقاله یک الگوریتم مبتنی بر معیارهای مرکزیت ارائه می‌شود که با درنظرگرفتن فعالیت کاربران و محاسبه شباهت بین کاربران سعی می‌کند دقت انتخاب مجموعه کاربران اولیه را بهبود ببخشد همچنین با اعمال یک درخت پوشای کمینه وزن بر روی گراف و حذف پیوندهای ضعیف، گرافی در اندازه کوچک‌تر ولی با حفظ ساختار و شاکله اصلی گراف اولیه ایجاد می‌شود که می‌تواند در بهبود زمان انتخاب مجموعه بذر اولیه موثر باشد. برای ارزیابی کارایی، الگوریتم پیشنهادی بر روی چند مجموعه‌داده استاندارد مورد آزمایش قرار گرفته و بعد از مقایسه با چند الگوریتم شناخته شده، نتایج حاکی از مطلوبیت کارایی الگوریتم پیشنهادی دارد.