The Analysis and Modelling of Social Networks: Leader Identification and Information Dissemination

Open access

Abstract

Individuals, who have more connections with others in the social network, can have more chances to influence others. Therefore, this study aims to identify groups of users with maximum joint influential power in order to help companies to conduct online marketing and reputation management. The method proposed in this study can be used to identify influential groups, on the basis of data from SNS. The proposed method will allow building a social network model, which will be used to simulate different scenarios in order to predict the speed of information dissemination.

Autoru pētījums koncentrējas uz sociālo tīklu analīzi, līderu noteikšanu un grupu izveidošanu ap tiem. Pievērsta uzmanība arī vispārējām matemātiskajām sistēmām, lai modelētu grupu, un izpētītas sociālā tīkla vizualizācijas metodes. Sociālo tīklu modelēšanā tiek izmantotas diagrammas, lai aprakstītu saites, kas pārstāv attiecības vai plūsmas starp entītijām. Dažādos pētījumos indivīdi pārsvarā ir uzskatīti kā atsevišķi elementi, bet grupas tiek izveidotas vairāku indivīdu mijiedarbības procesā. Šī pētījuma mērķis ir identificēt lietotāju grupas ar maksimālu kopējo ietekmes spēku, lai palīdzētu uzņēmumiem veiksmīgi īstenot tiešsaistes mārketingu un reputācijas vadību. Šā pētījuma laikā tika izstrādāta metode, kuru var izmantot, lai noteiktu ietekmīgākās grupas, pamatojoties uz datiem no sociālajiem tīkliem. Metode sastāv no trīs posmiem: datu vākšana, ietekmes tīkla izveidošana, mērķa grupu identificēšana. Autori plāno izstrādāt sociālo tīkla modeli vienam no finanšu nozares pārstāvjiem, izmantojot piedāvāto metodi. Izmantojot šo modeli, tiks modelēti dažādi scenāriji, piemēram, veicinot jaunu produktu vai konkurentu negatīvu reklāmu, lai prognozētu informācijas izplatīšanas ātrumu un samazinātu reakcijas laiku. Turpmākie pētījumi tiks vērsti uz dažām interesantām jaunām metodēm, izmantojot vispārinātus pasākumus grupu identificēšanai, kas maksimizē attiecīgo centralitāti (grāds, tuvība utt.), lai optimizētu grupas "efektivitāti", vai lai identificētu grupu parādīšanos tīklā. Turklāt ir nepieciešams turpināt darbu, kas ir saistīts ar ietekmes izplatīšanos sociālajā tīklā.

Исследование авторов сосредоточено на анализе социальных сетей, выявлении лидеров и создании групп вокруг них. Также уделено внимание общим математическим системам для моделирования групп, и рассмотрены методы визуализации социальных сетей. В частности, в моделировании социальной сети диаграммы используются для описания связей, которые представляют собой отношения между субъектами. В различных исследованиях индивиды в основном указаны в качестве отдельных элементов, а группы формируются из нескольких индивидов в процессе взаимодействия. Это исследование направлено на выявление групп пользователей с максимальной совместной силой влияния с целью помочь компаниям успешно проводить онлайн-маркетинг и управление репутацией. Во время данного исследования был разработан метод, который может быть использован для идентификации влиятельных групп на основе данных из социальных сетей. Метод состоит из трех этапов: сбор данных, создание сети влияния, выявление целевых групп. Авторы планируют разработать модель социальной сети для одного из представителей финансовой индустрии, используя разработанный в этом исследовании метод. Используя эту модель, будут промоделированы различные сценарии, такие как продвижение нового продукта или негативная реклама конкурентов с целью предсказать скорость распространения информации и сократить время реакции на возникшие инциденты. Дальнейшие исследования будут направлены на интересные новые методы с использованием обобщенных для поиска групп, которые максимизируют данную централизованность (степень, близость и т.д.), чтобы оптимизировать "эффективность" группы, или для выявления возникающих в сети групп. Кроме того, необходимо продолжить работу, которая связана с распространением влияния в социальных сетях.

References
  • [1] V. Levorato, Modeling groups in social networks, 25th European Conference on Modelling and Simulation, Krakow, Poland. 2011, pp. 133-180.

  • [2] I. Herman, G. Melancon, M.S. Marshall, Graph visualization and navigation in information visualization: a survey. IEEE Transactions on Visualization and Computer Graphics, Volume 6, Issue 1, 2000, pp 24-43.

  • [3] M. Kaufmann, D. Wagner, Drawing Graphs: Methods and Models. Lecture Notes in Computer Science. Springer, Volume 2025, 2001.

  • [4] Q. Jones, G. Ravid, S. Rafaeli, Information overload and the message dynamics of online interaction spaces: a theoretical model and empirical exploration, Information Systems Research, Volume 15, 2004, pp. 194-210.

  • [5] B. Wellman, Community: from neighborhood to network, Communications of the ACM, Volume 48, 2005, pp. 53-55.

  • [6] G. F. Templeton, X. Luo, T. R. Giberson, N. Campbell, Leader personal influences on membership decisions in moderated online social networking groups, Decision Support Systems, 2012, Submitted for publication.

  • [7] Y. Lu, L. Zhao, B. Wang, From virtual community members to C2C ecommerce buyers: trust in virtual communities and its effect on consumers’ purchase intention. Electronic Commerce Research and Applications, Volume 9, Issue 4, 2010, pp 346-360.

  • [8] M. Conlin and D. MacMillan, Web 2.0: Managing Corporate Reputations. Businessweek.com, 2010. .

  • [9] Z. Katona, P. Zubcsek, M. Sarvary, Joining the network: personal influences as determinants of diffusion. In Proceeding of 2007 INFORMS Marketing Science, Conference, Singapore, 2007, pp. 425-443.

  • [10] Z. Katona, P.Zubcsek, M. Sarvary, Network effects and personal influences: diffusion of an online social network. Journal of Marketing Research, Volume 48, Issue 3, 2011, pp. 425-443.

  • [11] KaiquanXu, X. Guo, J. Li, R. Y.K. Lau, S. S.Y. Liao, Discovering target groups in social networking sites: An effective method for maximizing joint influential power, Electronic Commerce Research and Applications, Volume 11, Issue 4, 2012, pp. 318-334.

  • [12] P. Domingos and M. Richardson, Mining the network value of customers. In Proceedings of the 7th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Francisco, CA, USA, August 26-29, 2001, 57-66.

  • [13] U. Brandes, N. Indlekofer, M. Mader, Visualization methods for longitudinal social networks and stochastic actor-oriented modeling. Social Networks, Volume 34, Issue 3, 2012, pp. 291-308.

  • [14] K.-Y. Wang, I.-H. Ting, H.-J. Wu, Discovering interest groups for marketing in virtual communities: An integrated approach. Journal of Business Research, 2012, Forthcoming.

  • [15] V.Batagelj and A.Mrvar, Some analyses of Erdos collaboration graph, Social Networks, Volume 22, Issue 2, 2000, pp. 173-186.

  • [16] A. Perer and B. Shneiderman, Balancing systematic and flexible exploration of social networks, IEEE Transactions on Visualization and Computer Graphics, Volume 12, 2006, pp. 693-700.

  • [17] N. Henry and J.D. Fekete, MatrixExplorer: a dual-representation system to explore social networks, IEEE Transactions on Visualization and Computer Graphics, Volume 12, 2006, pp. 677-684.

  • [18] J. T. Bjorke, S.Nilsen, M. Varga, Visualization of network structure by the application of hypernodes.International Journal of Approximate Reasoning, Volume 51, Issue 3, 2010, pp. 275-293

  • [19] B. Hogan, Visualizing and Interpreting Facebook Networks. Analyzing Social Media Networks with NodeXL, Chapter 11, 2011, pp. 165-179.

  • [20] B. Zhu, Stephanie Watts, H. Chen, Visualizing social network concepts. Decision Support Systems, Volume 49, Issue 2, 2010, pp. 151-161.

  • [21] W. Jiang, G. Wang, J. Wu, Generating trusted graphs for trust evaluation in online social networks, Future Generation Computer Systems, 2012

  • [22] T.R. Giberson, C.J. Resick, M.W. Dickson, Embedding leader characteristics: an examination of homogeneity of personality and values in organizations, Journal of Applied Psychology, Volume 90, 2005, pp. 1002-1010.

  • [23] R.L. Wakefield, D.E. Leidner, G. Garrison, A model of conflict, leadership, and performance in virtual teams, Information Systems Research 19 (4) (2008) 434-455

Information Technology and Management Science

The Journal of Riga Technical University

Journal Information

Metrics

All Time Past Year Past 30 Days
Abstract Views 0 0 0
Full Text Views 15 15 15
PDF Downloads 3 3 3