یافتن افراد تاثیرگذار در گراف شبکه های اجتماعی براساس الگوریتم CSCS و مقدار شاپلی در نظریه بازی

پیشرفت های اخیر شبکه ‏های اجتماعی آنلاین به ویژه کاربردهای آن در دنیای فناوری و اطلاعات مدرن، موجب گسترش چشم گیر نظریه های گراف و بازی شده است و توجه بسیاری از محققان ریاضی، متخصصان علوم کامپیوتر و تحلیل گران آماری را به خود جلب کرده است. یکی از ویژگی‏ های مهم و کلیدی شبکه‏ های اجتماعی این است که گسترش روابط بین افراد می‏توانند در تصمیم ‏گیری آنها، تاثیر به سزای داشته باشد. لذا یکی از مباحث مطرح و کاربردی در شبکه های اجتماعی، یافتن تاثیرگذارترین و بانفوذترین افراد در راستای بیشینه سازی تاثیر فعالیت های آنها در ایجاد تبلیغات ویروسی در خرید کالا، پخش شایعات مخرب، انتشار اخبار کاذب، مهندسی انتخابات و... است. در این مقاله، ابتدا به بررسی انتشار میان گره ‏ها با استفاده از مرکزیت مقدار شاپلی، تقسیم یک شبکه به جوامع کوچک تر و مدل آبشاری در نظریه بازی ها می پردازیم. سپس برای یافتن تاثیرگذارترین و با نفوذترین افراد در گراف شبکه های اجتماعی الگوریتم CSCS پیشنهاد گردیده که روی مجموعه داده ‏های مختلفی پیاده سازی شده است. در نهایت، نتایج الگوریتم پیشنهادی با نتایج سایر الگوریتم‏ های موجود مقایسه شده است.