دوره 18، شماره 2 - ( 7-1400 )
جلد 18 شماره 2 صفحات 74-57 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Abbaspour orangi M, Hashemi golpayegani A. Identifying Influential Nodes to Diffuse the Trusting Behavior in Social Networks. JSDP 2021; 18 (2) :57-74
URL: http://jsdp.rcisp.ac.ir/article-1-967-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-967-fa.html
عباسپور اورنگی مینا، هاشمی گلپایگانی علیرضا. یافتن گره‌های پرنفوذ جهت انتشار رفتار اعتماد در شبکه‌های اجتماعی. پردازش علائم و داده‌ها. 1400; 18 (2) :57-74
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر
چکیده: (1761 مشاهده)
اعتماد یکی از مهم‌ترین موضوعات مطرح‌شده در حوزه شبکه‌های اجتماعی است. اغلب اوقات نحوه اعتماد همه کاربران در این شبکه‌ها به‌صورت یکسان در نظر گرفته می‌شود. درحالی‌که کاربران شبکه‌های اجتماعی می‌توانند نظرات متفاوتی در نحوه اعتماد به سایرین داشته باشند و ممکن است فاکتورهای مختلفی را در اعتماد به سایر اعضا در نظر بگیرند. همچنین کاربران می‌توانند بر روی نظرات یکدیگر اثر گذاشته و باعث تغییر رفتار دیگر کاربران در اعتماد‌کردن به افراد شوند. به همین دلیل، سازوکار و شیوه تأثیرگذاری کاربران بر روی نظر و رفتار اعتماد به یکدیگر و شرایط تغییر حالات رفتاری، از اهمیت زیادی برخوردار خواهد بود. هدف ما در این مقاله در مرحله نخست در‌نظر‌گرفتن رفتار متفاوت کاربران شبکه‌های اجتماعی در نحوه اعتماد‌کردن آن‌ها به سایر کاربران است. برای این منظور سه حالت رفتاری مهم در نحوه اعتماد کاربران در نظر گرفته شده است. در هرکدام از این حالت‌ها ویژگی‌های مختلف رفتاری و عملکردی کاربران مبنای محاسبه اعتماد هستند که بر مبنای باور ذهنی افراد شکل می‌گیرند. در مرحله بعدی نحوه انتشار رفتار اعتماد کاربران در شبکه اجتماعی هدف و نوآوری این مقاله است. برای این منظور، سه سناریوی مختلف برای اثرگذاری و انتشار رفتار گره‌ها در نظر گرفته شده است. به‌دنبال آن به بیشینه‌سازی اثر و یافتن افراد پرنفوذ جهت انتشار رفتار اعتماد در شبکه‌های اجتماعی پرداخته شده است. برای این منظور بر روی ساختار شبکه اجتماعی افراد تمرکز شده و تأثیرگذارترین افراد با توجه به سناریوهای مختلف انتشار تعیین شده‌اند. نتایج به‌دست‌آمده نشان‌دهنده وجود اختلاف در میزان اعتماد در هرکدام از حالت‌های مختلف رفتاری است که دارای تطابق بیشتری با واقعیت است. با بررسی آزمایش‌ها به این نتیجه می‌رسیم که در مدل پیشنهادی، انتخاب گره شروع از هر اجتماع با 14/48 درصد دارای تأثیر بهتری در بهبود رفتار، دامنه و سرعت انتشار و گره با بیش‌ترین درجه با 03/37 درصد نسبت به روش‌های متداول دارای جواب بهتری در تغییر رفتار است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش داده‌های رقمی
دریافت: 1397/11/15 | پذیرش: 1399/10/21 | انتشار: 1400/7/16 | انتشار الکترونیک: 1400/7/16
دریافت: 1397/11/15 | پذیرش: 1399/10/21 | انتشار: 1400/7/16 | انتشار الکترونیک: 1400/7/16
فهرست منابع
1. [1] J. Barnes, "Class and committees in a Norwegian island parish," in Human relations, 7, no.1, 1954, pp. 39-58. [DOI:10.1177/001872675400700102]
2. [2] J. A. Golbeck, "Computing and applying trust in web-based social networks," Doctoral dissertation, 2005.
3. [3] E. Uslaner, "The moral foundation of trust the moral foundations of trust * Eric M . Uslaner Department of Government and Politics University of Maryland - College Park College Park , MD 20742 Prepared for the Symposium , ' Trust in the Knowledge Society ,' University of Jyvaskyla , Jyvaskala , Finland , 20 September , 2002 and for presentation at Nuffield College , Oxford," no. October, 2017.
4. [4] S. Nepal, W. Sherchan and C. Paris, "Strust: a trust model for social networks", in Trust, Security, and Privacy in Computing and Communications (TrustCom), 2011 IEEE 10th International Conference on. IEEE, 2011, pp. 841-846. [DOI:10.1109/TrustCom.2011.112]
5. [5] S. A. Hashemi Golpayegani, L. Esmaeili, S. Mardani, S. M. Mutallebi, "A survey of trust in social commerce" Latest Trends of E-Systems: concept, development and applications, Apple Academic Press, Vol. 1, 2015, pp. 3-40. [DOI:10.1201/9781315366593-3]
6. [6] S. Nepal, S. K. Bista, and C. Paris, "Behavior-based propagation of trust in social networks with restricted and anonymous participation," Comput. Intell., vol. 31, no. 4, pp. 642-668, 2015. [DOI:10.1111/coin.12041]
7. [7] D. Centola, "The spread of behavior in an online social network experiment", in science 329, no 5996, 2010, pp. 1194-1197. [DOI:10.1126/science.1185231] [PMID]
8. [8] D. Centola, M. Eguı, and M. W. Macy, "Cascade dynamics of complex propagation," Physica A: Statistical Mechanics and its Applications, vol. 374, pp. 449-456, 2007. [DOI:10.1016/j.physa.2006.06.018]
9. [9] D. Chen, L. Lü, M. S. Shang, Y. C. Zhang, and T. Zhou, "Identifying influential nodes in complex networks," Physica a: Statistical mechanics and its applications, vol. 391, no. 4, pp. 1777-1787, 2012. [DOI:10.1016/j.physa.2011.09.017]
10. [10] S. Ahmed and C. I. Ezeife, "Discovering influential nodes from trust network," In Proceedings of the 28th Annual ACM Symposium on Applied Computing, pp. 121-128, 2013. [DOI:10.1145/2480362.2480389]
11. [11] I. G. Amnieh and M. Kaedi, "Using estimated personality of social network members for finding influential nodes in viral marketing," Cybernetics and Systems, vol. 46, no. 5, pp. 355-378, 2015. [DOI:10.1080/01969722.2015.1029769]
12. [12] Y. Zhang, Z. Wang, and C. Xia, "Identifying key users for targeted marketing by mining online social network," In 2010 IEEE 24th International Conference on Advanced Information Networking and Applications Workshops., 2010, pp. 644-649. [DOI:10.1109/WAINA.2010.137]
13. [13] M. Jang, C. Faloutsos, S. Kim, U. Kang, and J. Ha, "Pin-Trust: fast trust propagation exploiting positive, implicit, and negative information", in Proceedings of the 25th ACM International on Conference on Information and Knowledge Management. ACM, 2016, pp. 629-638. [DOI:10.1145/2983323.2983753]
14. [14] S. Adali, et al, "Measuring behavioral trust in social networks", in Intelligence and Security Informatics (ISI), 2010 IEEE International Conference. IEEE, 2010, pp. 150-152. [DOI:10.1109/ISI.2010.5484757]
15. [15] C. Hang, Z. Zhang and M. P. Singh, "Shin: generalized trust propagation with limited evidence", in Computer, vol. 46, no.3, 2013, pp. 78-85. [DOI:10.1109/MC.2012.116]
16. [16] T. Švec and J. Samek, "Trust evaluation on Facebook using multiple contexts", in 21st Conference on User Modeling, Adaptation, and Personalization, 2013, pp. 1-10.
17. [17] L. Esmaeili, M. Mutallebi, S. Mardani, and S. A. H. Golpayegani, "Studying the affecting factors on trust in social commerce", in International Journal of advanced studies in Computer Science and Engineering, vol. 4, no. 6, pp. 41-47, 2015.
18. [18] Y. Kim and H. Song, "Strategies for predicting local trust based on trust propagation in social networks", Knowledge-Based Systems, vol. 24, no. 8, pp. 1360-1371, 2011. [DOI:10.1016/j.knosys.2011.06.009]
19. [19] S.U. Nasir, & T. H. Kim, "Trust Computation in Online Social Networks Using Co-Citation and Transpose Trust Propagation", IEEE Access, vol. 8, pp. 41362-41371, 2020. [DOI:10.1109/ACCESS.2020.2975782]
20. [20] S. Agreste, P. De Meo, E. Ferrara, S. Piccolo, and A. Provetti, "Trust networks: topology, dynamics and measurements", in IEEE Internet Computing 19, no. 6, 2015, pp. 26-35. [DOI:10.1109/MIC.2015.93]
21. [21] R. Urena, G. Kou, Y. Dong, F. Chiclana, and E. Herrera-Viedma. "A review on trust propagation and opinion dynamics in social networks and group decision making frameworks," Information Sciences, no. 478, pp. 461-475, 2019. [DOI:10.1016/j.ins.2018.11.037]
22. [22] M. Kimura, K. Saito, R. Nakano, and H. Motoda, "Extracting influential nodes on a social network for information diffusion," Data Mining and Knowledge Discovery, vol. 20, no. 1, pp. 70-97, 2010 [DOI:10.1007/s10618-009-0150-5]
23. [23] X. Wang, Y. Su, C. Zhao, and D. Yi, "Effective identification of multiple influential spreaders by DegreePunishment," Physica A: Statistical Mechanics and its Applications, vol. 461, pp. 238-247, 2016. [DOI:10.1016/j.physa.2016.05.020]
24. [24] K. Tanınmış, N. Aras, & K. I. Altınel, "Influence maximization with deactivation in social networks", European Journal of Operational Research, vol. 278(1), pp. 105-119, 2019. [DOI:10.1016/j.ejor.2019.04.010]
25. [25] H. M. Wagih, H. M. Mokhtar, and S. S. Ghoniemy, "Exploring Trusted Relations among Virtual Interactions in Social Networks for Detecting Influence Diffusion," ISPRS International Journal of Geo-Information, vol. 8, no. 9, pp. 415, 2019. [DOI:10.3390/ijgi8090415]
26. [26] M. Hosseini-Pozveh, K. Zamanifa, & A. Naghsh-Nilchi, "Assessing information diffusion models for influence maximization in signed social networks", Expert Systems with Applications, no.119, pp. 476-490, 2019. [DOI:10.1016/j.eswa.2018.07.064]
27. [27] B. Zhang, L. Zhang, C. Mu, Q. Zhao, Q. Song, and X. Hong, "A most influential node group discovery method for influence maximization in social networks: a trust-based perspective," Data & Knowledge Engineering, no. 121, pp.71-87, 2019. [DOI:10.1016/j.datak.2019.05.001]
28. [28] N. Wang, J. Da, J. Li, and Y. Liu, "Influence maximization with trust relationship in social networks'', In 2018 14th International Conference on Mobile Ad-Hoc and Sensor Networks (MSN) 2018, December, pp. 61-67. IEEE. [DOI:10.1109/MSN.2018.00017]
29. [29] M. Golembiewski, R. T., & McConkie, "The centrality of interpersonal trust in group processes," Theories of group processes, vol. 131, p. 185, 1975.
30. [30] P. Dey, A. Chaterjee, & S. Roy, " Influence maximization in online social network using different centrality measures as seed node of information propagation ", Sādhanā, vol. 44(9), pp. 205, Chicago, 2019. [DOI:10.1007/s12046-019-1189-7]
31. [31] T. Lappas, E. Terzi, D. Gunopulos, and H. Mannila, "Finding effectors in social networks," In Proceedings of the 16th ACM SIGKDD international conference on Knowledge discovery and data mining, 2010, pp. 1059-1068. [DOI:10.1145/1835804.1835937]
32. [32] Y. Zhang, Z. Wang, and C. Xia, "Identifying key users for targeted marketing by mining online social network," In 2010 IEEE 24th International Conference on Advanced Information Networking and Applications Workshops. WAINA 2010, pp. 644-649. [DOI:10.1109/WAINA.2010.137]
33. [33] D. B. Chen, H. Gao, L. Lü, and T. Zhou, "Identifying influential nodes in large-scale directed networks: The role of clustering," PLoS One, vol. 8, no. 10, pp. 1-10, 2013. [DOI:10.1371/journal.pone.0077455] [PMID] [PMCID]
34. [34] T. Martin, X. Zhang, and M. E. J. Newman, "Localization and centrality in networks," Physical review E, vol. 90, no. 5, pp.052808, 2014. [DOI:10.1103/PhysRevE.90.052808] [PMID]
35. [35] Z. Yang, R. Algesheimer, and C. J. Tessone, "OPEN a comparative analysis of community detection algorithms on artificial networks," Scientific Reports, no. 6, pp.30750. July, 2016. [DOI:10.1038/srep30750] [PMID] [PMCID]
36. [36] M. De Domenico, A. Lima, P. Mouge and M. Musolesi, "The anatomy of a scientific rumor", In Scientific reports, no.3, pp.2980, 2013. [DOI:10.1038/srep02980] [PMID] [PMCID]
37. [37] M. DEUTSCH, "Cooperation and trust. some theoretical notes," in Jones, M.R. (ed) Nebraska Symposium on Motivation. Nebraska University Press, 1962.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
