{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q172",
        "title": "شناسایی افراد مؤثر در شبکه اجتماعی توییتر",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1399",
        "last_update": "2026-06-26",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "Q172",
        "title": "شناسایی افراد مؤثر در شبکه اجتماعی توییتر",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1399,
        "authors": [
            {
                "name": "علی جعفری بلالمی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حمید حسن پور",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "شبکه‌های اجتماعی",
            "افراد تأثیرگذار",
            "LSH",
            "نفوذ اجتماعی",
            "توییتر "
        ],
        "abstract": "امروزه شناسایی افراد تأثیرگذار در شبکه‌های اجتماعی به یکی از موضوعات داغ و پر طرف‌دار تبدیل شده‌است. محبوبیت این موضوع مربوط به دلایل مختلفی از جمله کاهش هزینه و هدفمند کردن تبلیغات است. با این حال چالش‌های زیادی بر سر راه محققین در این زمینه وجود دارد. از جمله این چالش‌ها نیز می‌توان به حجم زیاد کاربران در شبکه‌های اجتماعی و فعالیت‌های آن‌ها، نحوه‌ی تعریف تأثیر اجتماعی، انتخاب مؤلفه‌های مناسب برای اندازه‌گیری میزان تأثیر و دسترسی محدود به اطلاعات بدلیل حفظ حریم شخصی کاربران در شبکه‌های اجتماعی نام برد.\r\nهدف این پایان‌نامه یافتن افراد تأثیرگذار در شبکه اجتماعی توییتر با ارائه‌ی تعریفی مناسب برای مفهوم تأثیر و همچنین انتخاب مناسب‌ترین مؤلفه‌ها برای اندازه‌گیری میزان تأثیر می‌باشد. \r\nدر روش پیشنهادی برای محاسبه‌ی میزان تأثیر هر فرد ابتدا میزان تأثیر هر توییت محاسبه می‌شود. میزان تأثیر هر توییت در این روش برابر است با تعداد افرادی که بصورت بالقوه می‌توانند آن توییت را مشاهده کنند. برای این کار نیاز است مخاطبین آشکار و پنهان هر توییت شناسایی شوند.\r\nبرای پیدا کردن توییت‌هایی که احتمالا تحت تأثیر توییت فردی دیگر منتشر می‌شوند باید بدنبال توییت‌هایی با محتوای مشابه بود. برای یافتن توییت‌های مشابه از الگوریتم LSH استفاده شده تا با توجه به حجم بالای داده‌ها، میزان محاسبات و هزینه زمانی کاهش یابد.\r\nطبق روش پیشنهادی میزان تأثیر هرکاربر برابر با میانگین تأثیر توییت‌های آن کاربر است. اما در مقام مقایسه، برای رتبه‌بندی کاربران بر اساس مقدار تأثیر در صورتی که  میانگین تأثیر توییت‌هایشان برابر باشد، مقدار تأثیر کاربری که واریانس تأثیر توییت‌هایش کمتر باشد، بیشتر است. همچنین در صورتی که هر دو مقدار میانگین و واریانس برای دو کاربر برابر باشد، کاربری که تعداد توییت‌هایش بیشتر باشد، تأثیر بیشتری خواهد داشت. \r\n\r\nبا توجه به روش ارائه شده و مؤلفه‌های مورد نیاز و همچنین وجود نداشتن پایگاه داده مناسب و عدم امکان جمع‌آوری داده، از اشتراک‌ دو پایگاه داده ArchiveTeam و Twitter Social Graph داده‌های مناسب و مرتبط استخراج شده و مورد استفاده قرار گرفت. \r\nدر نهایت طبق نتایج بدست آمده، روش پیشنهادی با استفاده از مؤلفه‌هایی کارا تر از کار‌های پیشین به خوبی قادر به محاسبه‌ی میزان دقیق‌تر و واقعی تأثیر کاربران می‌باشد",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_Q172.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}