موسسه آموزش عالی آپادانا فصلنامه پژوهش های نوین در شهرهوشمند 2980-8936 2 3 2024 05 19 Colonial Competition Algorithm for Predicting Information Diffusion in Social Networks الگوریتم رقابت استعماری در پیش‌بینی انتشار اطلاعات در شبکه‌های اجتماعی 47 61 10.22051/jera.2021.31891.2698 FA فرزاد استادیار دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد مرودشت، مرودشت، ایران. 2024 01 19 In the modern world, social network analysis has various applications including social network management, market trend analysis, identifying influential individuals, supporters, and enhancing the performance of descriptive systems. One of the existing issues in the field of information diffusion is examining the extent of dissemination in such systems. In large-scale networks, computational complexity has increased, and one of the methods to cope with this problem is using evolutionary algorithms. In this paper, a new method is proposed to increase the accuracy of predicting information diffusion in social networks by combining the colonial competition algorithm and the centrality algorithm. In the proposed method, the centrality of nodes is first calculated for all nodes in the network. Then, based on the distance between users in the social network and the speed of information dissemination among users using the colonial competition algorithm, the optimal path for dissemination is determined, and information diffusion prediction is made accordingly. In the colonial competition algorithm, the optimal path for information dissemination in the network is identified based on how the colonies move towards the colonizer. In this paper, four different datasets were examined. The results show that the proposed method leads to better results. The algorithm's performance is evaluated based on accuracy, NMI, and error criteria, showing desirable results. در دنیای نوین امروزی، تحلیل شبکه‌های اجتماعی در بسیاری از کاربردها ازجمله مدیریت شبکه اجتماعی، تحلیل گرایش بازار، شناسایی افراد تأثیرگذار، حامیان و ارتقای کارایی سامانه‌های توصیفگر قابل استفاده است. یکی از مسائل موجود در زمینه انتشار اطلاعات، بررسی میزان انتشار در چنین سیستم‌هایی است. در شبکه‌های با ابعاد بالا، پیچیدگی محاسباتی افزایش یافته و یکی از روش‌های مقابله با این مشکل، استفاده از الگوریتم‌های تکاملی است. در این مقاله با ترکیب الگوریتم رقابت استعماری و الگوریتم مرکزیت گره، یک روش جدید برای افزایش دقت پیش‌بینی انتشار اطلاعات در شبکه‌‌های اجتماعی ارائه شده است. در روش پیشنهادی، ابتدا میزان مرکزیت گره‌ها برای تمام گره‌های شبکه محاسبه می‌شود. سپس، بر اساس فاصله بین کاربران شبکه اجتماعی و سرعت انتشار اطلاعات بین کاربران با استفاده از الگوریتم رقابت استعماری، مسیر بهینه برای انتشار تعیین شده و بر اساس آن، پیش‌بینی انتشار اطلاعات صورت می‌‌گیرد. در الگوریتم رقابت استعماری بر اساس نحوه حرکت مستعمره‌ها به سمت استعمارگر، مسیر بهینه برای انتشار اطلاعات در شبکه شناسایی می‌شود. در این مقاله، چهار مجموعه داده مختلف مورد بررسی قرار گرفت. بررسی نتایج نشان می‌دهد که روش پیشنهادی منجر به نتایج بهتری شده است. عملکرد الگوریتم با توجه به معیاری‌‌های دقت و NMI و خطا ارزیابی شده است و نتایج مطلوبی را نشان می‌دهد. /downloadfilepdf/469625