{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q75",
        "title": "سیستم پیشنهادگر هوشمند جهت تعیین افراد تاثیرگذار در شبکه ی اجتماعی",
        "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": "1394",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "Q75",
        "title": "سیستم پیشنهادگر هوشمند جهت تعیین افراد تاثیرگذار در شبکه ی اجتماعی",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1394,
        "authors": [
            {
                "name": "بهزاد رضایی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "مرتضی زاهدی",
                "role": "استاد راهنما"
            },
            {
                "name": "هدی مشایخی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "کاربران تاثیرگذار توئیتر",
            "تحلیل شبکه های اجتماعی",
            "سیستم پیشنهادگر"
        ],
        "abstract": "با توجه به روند رو به رشد شبکه های اجتماعی و استفاده از آن ها به عنوان یکی از مهم ترین ابزارهای ارتباطی در دنیای امروز، تحلیل آن ها از اهمیت ویژه ای برخوردار است. از جمله کاربردی ترین تحلیل ها، تشخیص تأثیرگذارترین افراد در این شبکه ها است. افراد تاثیرگذار در یک شبکه ی اجتماعی به کاربرانی اطلاق می شود که می توانند با رفتار خود در این شبکه ها، نظرها و عقاید دیگر کاربران را تغییر دهند. این نوع تحلیل در زمینه های مختلفی از جمله تجارت، بازاریابی و سیاست پر کاربرد است. از آن جایی که ویژگی های شبکه های اجتماعی مختلف با یکدیگر متفاوت است، تعیین افراد تاثیرگذار در هر یک از آن ها نیز متفاوت است. هدف پژوهش حاضر، ارائه ی یک روش جدید در جهت تشخیص افراد تاثیرگذار در شبکه ی اجتماعی توئیتر است. \r\nدر این تحقیق، با جمع آوری داده های مورد نیاز از شبکه ی اجتماعی توئیتر در رابطه با حملات تروریستی سال 2015 شهر پاریس، مدلی برای تشخیص افراد تأثیرگذار ارائه شده است. در مدل پیشنهادی، با استفاده از ویژگی های موجود در هر توئیت و نیز ویژگی های کاربر منتشرکننده‌ی آن که از طریق رابط کاربردی برنامه نویسی  توئیتر قابل دسترسی است، افراد تاثیرگذار تشخیص داده می شوند. در این روش، ویژگی ها به چهار گروه تقسیم بندی می شوند: 1) ویژگی هایی از کاربران که از تعامل با دیگر افراد مشخص می شوند؛ 2) ویژگی هایی از کاربران که از طریق پروفایلشان تعیین می شوند؛ 3) ویژگی هایی از توئیت ها که دیگر کاربران آن ها را مشخص می کنند؛ 4) ویژگی هایی از توئیت ها که در خودِ توئیت قرار دارد. پس از انجام فرآیند پیش پردازش بر روی داده های جمع آوری شده، وزن اختصاصی ویژگی های مرتبط با کاربران و توئیت ها، به طور جداگانه و با استفاده از روش AHP محاسبه می شود. در قسمت دیگری از فرآیند تشخیص افراد تاثیرگذار، توئیت های موجود خوشه بندی شده و رابطه ی معنایی بین توئیت های هر خوشه مورد بررسی قرار می گیرند. در نهایت، پس از دخیل کردن عامل زمان به عنوان یکی از مهم ترین عوامل در تغییر میزان تأثیرگذاری، مدل مورد نظر ساخته و در پایگاه داده ی جمع آوری شده اعمال می شود.\r\nنتایج به دست آمده حاکی از اهمیت امتیاز توئیت ها نسبت به امتیاز کاربری است. هم-بستگی بین رتبه ی کاربران و میانگین امتیاز هر توئیت عدد 0.619 را نشان می دهد. این عدد بیان گر تاثیر مستقیم کیفیت توئیت ها بر رتبه ی کاربران است. همچنین نتایج نشان می دهد کیفیت پیام توئیت ها از تعداد توئیت ها پراهمیت تر است؛ به عبارت دیگر افزایش تعداد توئیت ها، نمی-تواند بالا بردن میزان تاثیرگذاری کاربر را تضمین کند. \r\nروند تاثیرگذاری کاربران در بازه ی 21 روزه ی جمع آوری داده ها نشان می دهد 75 درصد از افرادی که در هر روز جزو تاثیرگذارترین ها دسته بندی می شوند، نمی توانند روند تاثیرگذاری خود را در روزهای دیگر حفط کنند. همچنین 59 درصد از افرادی که در هر روز رتبه های اول تا سوم را کسب می کنند، به همان اندازه که سریع به این جایگاه ها می رسند، با همان سرعت نیز آن را از دست می دهند.\r\nهشتگ های مورد استفاده در پنج توئیت تاثیرگذار در هر روز نشان دهنده ی جایگاه 20 درصدی هشتگ #prayforparis می باشد. در رده ی دوم، هشتگ #isis با 3 درصد قرار می-گیرد.\r\nهم بستگی بین متغیرهای در نظر گرفته شده برای کاربران و نتایج به دست آمده برای امتیاز آن ها، نشان دهنده ی رابطه ی قوی 0.99 بین تعداد دنبال کنندگان و امتیاز یک کاربر است. این در حالی است که بیش ترین هم بستگی بین مغیرهای هر توئیت  و امتیاز توئیت ها، 0.37 است که این عدد مربوط به ویژگی تعداد دفعاتی است که یک توئیت، مورد پسند دیگران واقع شده است.",
        "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_Q75.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"
    }
}