نام مقاله: Social Influence Analysis in Social Networking Big Data:Opportunities and Challenges

نویسندگان: Sancheng Peng, Guojun Wang, and Dongqing Xie

نام ژورنال: IEEE Network

تاریخ انتشار: نوامبر 2016

خلاصه:

در این مقاله به موضوع نشر پیام‌ها و الگوی آنها در شبکه‌های اجتماعی پرداخته می‌شود. موضوع اثرگذاری در شبکه‌های اجتماعی (Social Influence) در سال‌های اخیر با رشد قابلیت‌های تحلیل داده و استفاده روزافزون کاربران از شبکه‌های اجتماعی اهمیت بسزایی پیدا کرده است. استخراج موضوعات محبوب یا روندها، تحلیل و سنجش اثرگذاری اجتماعی، شناسایی کاربران اثرگذار و مدلسازی نشر اطلاعات از نمونه موضوعاتی هستند که محققان این زمینه به بررسی آن‌ها پرداخته‌اند. این مقاله به ویژگی‌ها و ساختار اثرگذاری اجتماعی می‌پردازد و فرصت‌ها و چالش‌های پیش روی آن را ارزیابی می‌نماید. چالش‌هایی همچون مقیاس‌پذیری، جمع‌آوری داده، تحول و ناهمگونی شبکه‌ها پیش روی تحقیقات این زمینه وجود دارد.

در موضوع اثرگذاری اجتماعی، سوالاتی از این قبیل پرسیده می‌شود:

  • چه کسی می‌تواند اثر بپذیرد؟
  • کدام عضو بر کدام عضو اثر می‌گذارد؟
  • چرا یک کاربر به گروه خاصی علاقه‌مند است؟
  • چه کسانی اثرگذارترین عضو در یک شبکه هستند؟

حوزه‌های بسیاری می‌توانند از تئوری‌های اثرگذاری اجتماعی (که هنوز به حد بلوغ نرسیده‌اند) استفاده نمایند.  نشر اطلاعات سیاسی و فرهنگی،  نشر بیماری‌های مسری مثل کووید 19، بازاریابی ویروسی (Viral Marketing) و  تبلیغات آنلاین از نمونه کاربردهای آن هستند. اثرگذاری اجتماعی به موقعیتی اشاره می‌کند که یک شخص رفتار  خود را تحت تاثیر دیگران تغییر می‌دهد. قدرت این اثر به رابطه میان افراد، فاصله آنها در شبکه، اثر زمان، ویژگی‌های گراف شبکه و ... بستگی دارد. از خصوصیات اثرگذاری اجتماعی عبارتند از: پویایی (تغییر ماهیت اثر در طول زمان)، خاصیت زنجیره‌ای، قابلیت ترکیب با سایر اثرات، قابلیت اندازه‌گیری، شخصی‌سازی و رویکرد ذهنی شخص مبدا (Subjectivity)، عدم تقارن اثر بین اثرگذار و اثرپذیر و وابستگی به رویدادهای بیرونی.

معماری یک تحقیق در زمینه تاثیر اجتماعی، شامل 6 مرحله زیر می‌باشد:

  • جمع‌آوری داده از شبکه‌های اجتماعی
  • پیش پردازش داده
  • انتخاب معیارهای ارزیابی اشخاص و اثرات
  • مدلسازی و محاسبات مربوط به اثرگذاری اجتماعی
  • انتخاب تاثیرگذارترین راس در گراف شبکه اجتماعی
  • تحلیل کارکرد و بازدهی مدل از طریق شبیه‌سازی

شکل زیر نمایی از مراحل این تحقیقات و کاربردهای آنها را نمایش می‌دهد:

در ادامه مقاله چالش‌های پیش روی این حوزه بررسی می‌شود. برای مثال مقیاس‌پذیری الگوریتم‌ها و حجم محاسباتی که برای هر کاربر باید صورت بگیرد، اجرای این الگوریتم‌ها را برای حجم وسیعی از داده و در سرعت مطلوب دشوار می‌سازد. چالش دیگری که شایان ذکر است، ناهمگونی شبکه‌ها و تعدد شبکه‌هایی است که یک کاربر در آنها فعالیت دارد و این نکته که رفتار وی از تلفیق اثرات شکل می‌گیرد.

چالش‌ها و فرصت‌های بیشتری در این حوزه از سوی نویسنده معرفی شده است که محققان می‌توانند تمرکز تحقیقات آتی خود را روی آن‌ها قرار دهند. با رشد تکنولوژی عظیم‌داده و پردازش غیرمتمرکز،  بسیاری از موانع پیشین در حال حاضر برطرف شده است.

 

دریافت فایل