محمد صفری مهماندوستی - دانشجوی کارشناسی ارشد، واحد آیت ا.. آملی، دانشگاه آزاد اسلامی، آمل، ایران
کوروش کیانی - گروه کامپیوتر و الکترونیک، دانشگاه سمنان، سمنان
مهدی یداللهی - گروه مهندسی کامپیوتر، واحد آیت ا.. آملی، دانشگاه آزاد اسلامی، آمل، ایران

امروزه شبکه های اجتماعی آنلاین به جزء جدایی ناپذیر زندگی ما تبدیل شده اند. بدلیل وجودحجم بسیار عظیم کاربران و ارتباطات میان آنها، ساختار این شبکه ها بسیار پیچیده میباشد. تجزیه وتحلیل شبکه های اجتماعی به منظور شناخت دقیق کاربران، علایق آنها، اجتماعات، دور افتادگان،رهبران عقیده و ... در میان بسیاری از رشته ها از جمله جامعه شناسی، ارتباطات، علوم کامپیوتر و ...اهمیتی ویژه یافته است. در این مقاله سعی داریم تا با استفاده از الگوریتم یادگیری شبکه های عصبیچند لایه پرسپترون و با کمک اطلاعات حاصل از تحلیل ساختار گراف شبکه های اجتماعی وهمچنین ویژگی گره های گراف، پارامترهای مرکزیت گره ها را پیش بینی نمائیم. با استفاده ازنتایج حاصل از این پیش بینی می توان شایعه پراکنان، گره های شهرت، خبرگان و ... را در شبکههای کوچک، متوسط و بزرگ شناسایی نمود. از مزایای روش پیشنهادی کاهش هزینه های مربوطبه تحلیل دوره ای شبکه ها می باشد. برای ارزیابی کارایی روش پیشنهادی از داده های شبکه یاجتماعی فیسبوک استفاده شده است. نتایج نشان می دهد روش پیشنهادی از کارایی بالاییبرخوردار است.

تحلیل شبکه های اجتماعی، پارامترهای مرکزیت، پیش بینی موقعیت، شبکه ی عصبی