finding influential users in social media using association rule learning

تحديد المستخدمين المؤثرين في وسائل التواصل الاجتماعي باستخدام تعلّم قواعد الارتباط

Clicks: 253
ID: 229318
2016
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #215 of 406 articles by views in European journal of medicinal chemistry

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 406 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Influential users play an important role in online social networks since users tend to have an impact on one other. Therefore, the proposed work analyzes users and their behavior in order to identify influential users and predict user participation. Normally, the success of a social media site is dependent on the activity level of the participating users. For both online social networking sites and individual users, it is of interest to find out if a topic will be interesting or not. In this article, we propose association learning to detect relationships between users. In order to verify the findings, several experiments were executed based on social network analysis, in which the most influential users identified from association rule learning were compared to the results from Degree Centrality and Page Rank Centrality. The results clearly indicate that it is possible to identify the most influential users using association rule learning. In addition, the results also indicate a lower execution time compared to state-of-the-art methods.
يؤدي المستخدمون المؤثرون دورًا مهمًا في الشبكات الاجتماعية عبر الإنترنت، نظرًا لميل المستخدمين إلى التأثير في بعضهم بعضًا. وبناءً على ذلك، يتناول العمل المقترح بالتحليل المستخدمين وسلوكياتهم بهدف تحديد المستخدمين المؤثرين والتنبؤ بمشاركة المستخدمين. وعادةً ما يعتمد نجاح موقع التواصل الاجتماعي على مستوى نشاط المستخدمين المشاركين. ومن الأهمية بمكان، لكل من مواقع التواصل الاجتماعي عبر الإنترنت والمستخدمين الأفراد، معرفة ما إذا كان موضوع ما سيثير الاهتمام أم لا. نقترح في هذا المقال أسلوب تعلّم الارتباط للكشف عن العلاقات بين المستخدمين. وللتحقق من النتائج، أُجريت عدة تجارب قائمة على تحليل الشبكات الاجتماعية، حيث قورن المستخدمون الأكثر تأثيرًا الذين تم تحديدهم من خلال تعلّم قواعد الارتباط بالنتائج المستمدة من مركزية الدرجة (Degree Centrality) ومركزية بيج رانك (PageRank Centrality). وتشير النتائج بوضوح إلى إمكانية تحديد المستخدمين الأكثر تأثيرًا باستخدام تعلّم قواعد الارتباط. بالإضافة إلى ذلك، تشير النتائج أيضًا إلى تسجيل زمن تنفيذ أقل مقارنةً بأحدث الطرق المتبعة في هذا المجال.
Reference Key
erlandsson2016entropyfinding Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Fredrik Erlandsson;Piotr Bródka;Anton Borg;Henric Johnson
Journal European journal of medicinal chemistry
Year 2016
DOI
10.3390/e18050164
URL
http://www.mdpi.com/1099-4300/18/5/164
Keywords
Data mining social media prediction association rule learning

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.