مدیریت اطلاعات

شناسایی کاربران تأثیرگذار شبکه‌ اجتماعی توییتر: اندازه‌گیری تأثیر چندبُعدی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

2 دانشجوی کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

10.22034/aimj.2022.162442

چکیده

با گسترش و استفاده روزافزون از شبکه‌های اجتماعی، به محیط این شبکه‌ها به‎دلیل امکان دسترسی به تعداد زیادی از کاربران و تأثیراتی که روی افکار و اعتقادات آنها می‌گذارد، توجه شده است. با توجه به تعداد زیاد کاربرانی که در یک شبکه اجتماعی حضور دارند، شناسایی کاربران تأثیرگذار برای اهداف مختلفی مانند تبلیغات به‌منظور گسترش بیشتر اطلاعات یا مهار شیوع افکار منفی عمومی در شبکه، ضروری است. تاکنون برای شناسایی کاربران تأثیرگذار روش‌های مختلفی ارائه شده است که اغلب، از طریق معیارهای یک‎بعدی و ساده، کاربران تأثیرگذار را شناسایی کرده‌اند. در پژوهش حاضر، معیارهای مختلفی از سه بعد محتوا، فعالیت و شبکه ترکیب شده‌اند و رویکرد اندازه‌گیری جدیدی برای شناسایی کاربران تأثیرگذار در شبکه اجتماعی توییتر ارائه شده است. به کمک روش‎های اعتبارسنجی گسترش، دقت، فراخوانی، F1-Measure و درصد تکرار، نشان داده شده است که روش این پژوهش، از کارهای شناخته‎شده در این حوزه، عملکرد بهتری دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Identifying Influential Users in Social Networks: Measuring Multidimensional Influence

نویسندگان [English]

  • Monireh Hosseini 1
  • Kowsar Heidari 2

1 Associate Prof., Department of Information Technology Engineering, Faculty of Industrial Engineering, K. N. Toosi University of Technology, Tehran, Iran

2 MSc. Student, Department of Information Technology Engineering, Faculty of Industrial Engineering, K. N. Toosi University of Technology, Tehran, Iran

چکیده [English]

With the expansion and increasing application of social networks, the environment of these networks has been considered due to the possibility of accessing a large number of users and its impact on their thoughts and beliefs. By the great number of users on a social network, it is essential to detect the most influential ones for various purposes such as advertising to further disseminate information or curb the prevalence of negative public thoughts on the network. So far, different solutions have been created to recognize influential users, often through one-dimensional and simple criteria to indicate influential users. In the current study, we combine various criteria from three dimensions of content, activity, and network and propose a new measurement approach to identify influential users in the Twitter social network, with the aid of validation methods of spread, precision, recall, F1-Measure, and duplication percentage, we demonstrate that our approach performs more efficient than the existing methods in this scope.

کلیدواژه‌ها [English]

  • Influential users
  • Social networks
  • Identifying influential Users
  • Twitter
Agarwal, N., Liu, H., Tang, L., & Yu, P. S. (2008). Identifying the influential bloggers in a community. Proceedings of the 2008 international conference on web search and data mining.
Arora, A., Bansal, S., Kandpal, C., Aswani, R., & Dwivedi, Y. (2019). Measuring social media influencer index- insights from facebook, Twitter and Instagram. Journal of Retailing and Consumer Services, 49, 86-101. https://doi.org/https://doi.org/10.1016/j.jretconser.2019.03.012
Bashari, B., & Fazl-Ersi, E. (2020). Influential post identification on Instagram through caption and hashtag analysis. Measurement and Control, 53(3-4), 409-415. https://doi.org/10.1177/0020294019877489
Bigonha, C., Cardoso, T. N., Moro, M. M., Gonçalves, M. A., & Almeida, V. A. (2012). Sentiment-based influence detection on Twitter. Journal of the Brazilian Computer Society, 18(3), 169-183.
Bonacich, P. (1972). Factoring and weighting approaches to status scores and clique identification. The Journal of Mathematical Sociology, 2(1), 113-120. https://doi.org/10.1080/0022250X.1972.9989806
Brandes, U. (2008). On variants of shortest-path betweenness centrality and their generic computation. Social Networks, 30(2), 136-145.
Freeman, L. C. (1978). Centrality in social networks conceptual clarification. Social Networks, 1(3), 215-239. https://doi.org/https://doi.org/10.1016/0378-8733 (78)90021-7
Harrigan, P., Daly, T. M., Coussement, K., Lee, J. A., Soutar, G. N., & Evers, U. (2021). Identifying influencers on social media. International Journal of Information Management, 56, 102246. https://doi.org/https://doi.org/10.1016/j.ijinfomgt.2020.102246
Jain, S., & Sinha, A. (2020). Identification of influential users on Twitter: A novel weighted correlated influence measure for Covid-19. Chaos, Solitons & Fractals, 139, 110037. https://doi.org/https://doi.org/10.1016/j.chaos.2020.110037
Joshi, P., & Mohammed, S. (2020). Identifying Social Media Influencers using Graph Analytics. TechRxiv. Preprint. https://doi.org/10.36227/techrxiv.12061662.v1
Li, Y.-M., Lai, C.-Y., & Chen, C.-W. (2011). Discovering influencers for marketing in the blogosphere. Information Sciences, 181(23), 5143-5157. https://doi.org/https://doi.org/10.1016/j.ins.2011.07.023
Lü, L., Chen, D., Ren, X.-L., Zhang, Q.-M., Zhang, Y.-C., & Zhou, T. (2016). Vital nodes identification in complex networks. Physics Reports, 650, 1-63. https://doi.org/https://doi.org/10.1016/j.physrep.2016.06.007
Nagmoti, R., Teredesai, A., & De Cock, M. (2010). Ranking approaches for microblog search. 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology.
Noro, T., Ru, F., Xiao, F., & Tokuda, T. (2013). Twitter user rank using keyword search. Information Modelling and Knowledge Bases XXIV. Frontiers in Artificial Intelligence and Applications, 251, 31-48.
Page, L., Brin, S., Motwani, R., & Winograd, T. (1999). The PageRank citation ranking: Bringing order to the web.
Pal, A., & Counts, S. (2011). Identifying topical authorities in microblogs. Proceedings of the fourth ACM international conference on Web search and data mining.
Ramírez-de-la-Rosa, G., Villatoro-Tello, E., Jiménez-Salazar, H., & Sánchez-Sánchez, C. (2014). Towards automatic detection of user influence in twitter by means of stylistic and behavioral features. Mexican International Conference on Artificial Intelligence.
Ribeiro, M. H., Calais, P. H., Santos, Y. A., Almeida, V. A., & Meira Jr, W. (2018). Characterizing and detecting hateful users on twitter. Twelfth international AAAI conference on web and social media.
Ríos, S. A., Aguilera, F., Nuñez-Gonzalez, J. D., & Graña, M. (2019). Semantically enhanced network analysis for influencer identification in online social networks. Neurocomputing, 326-327, 71-81. https://doi.org/https://doi.org/10.1016/j.neucom.2017.01.123
Riquelme, F., & González-Cantergiani, P. (2016) Measuring user influence on Twitter: A survey. Information Processing & Management, 52(5), 949-975. https://doi.org/https://doi.org/10.1016/j.ipm.2016.04.003
Sun, Q., Wang, N., Zhou, Y., & Luo, Z. (2016). Identification of Influential Online Social Network Users Based on Multi-Features. International Journal of Pattern Recognition and Artificial Intelligence, 30(06), 1659015. https://doi.org/10.1142/s0218001416590151
Wang, G., Jiang, W., Wu, J., & Xiong, Z. (2013). Fine-grained feature-based social influence evaluation in online social networks. IEEE Transactions on parallel and distributed systems, 25(9), 2286-2296.
Zareie, A., Sheikhahmadi, A., & Jalili, M. (2019). Identification of influential users in social networks based on users’ interest. Information Sciences, 493, 217-231. https://doi.org/https://doi.org/10.1016/j.ins.2019.04.033
Zengin Alp, Z., & Gündüz Öğüdücü, Ş. (2018). Identifying topical influencers on twitter based on user behavior and network topology. Knowledge-Based Systems, 141, 211-221. https://doi.org/https://doi.org/10.1016/j.knosys.2017.11.021
Zhuang, Y.-B., Li, Z.-H., & Zhuang, Y.-J. (2021). Identification of influencers in online social networks: measuring influence considering multidimensional factors exploration. Heliyon, 7(4), e06472. https://doi.org/https://doi.org/10.1016/j.heliyon.2021.e06472
مدیریت اطلاعات
دوره 7، شماره 2 - شماره پیاپی 13
اسفند 1400
صفحه 248-268
  • تاریخ دریافت: 26 فروردین 1401
  • تاریخ بازنگری: 02 مرداد 1401
  • تاریخ پذیرش: 02 آذر 1401