Journal: Elsevier 2018,
شناسایی تأثیرگذارانی که قادر به پخش اطلاعات به افراد زیاد دیگری از یک شبکه اجتماعی هستند، یک روند تحقیقاتی اساسی در زمینه تحقیقات علمی شبکه است. معیارهای مختلفی برای شناسایی تأثیرگذاران پیشنهاد شده‌اند و اثربخشی این معیارهای تأثیرگذار برای مواردی که ساختارهای شبکه‌های اجتماعی به‌صورت کامل شناخته شده هستند، مورد ارزیابی قرار گرفته است. با این حال، در عمل به دست آوردن ساختار کامل یک شبکه اجتماعی بسیار دشوار است زیرا ممکن است داده‌ها گم شده و یا اشتباه باشند و یا اینکه نمونه‌برداری لینک‌ها و گره‌ها از شبکه‌های اجتماعی به‌صورت نادرست انجام شده باشد. در این مقاله ما تأثیرات نمونه‌برداری گره‌ها از یک شبکه اجتماعی بر روی اثربخشی معیارهای مهم در شناسایی تأثیرگذاران را مورد ارزیابی قرار می‌دهیم. نتایج تجربی ما می‌دهند که تأثیر منفی نمونه‌برداری غیر تصادفی (برای مثال تعداد لبه‌های نمونه) بر روی شناسایی تأثیرگذاران، بسیار کم است. برای شبکه‌های رسانه اجتماعی، ما می‌توانیم تأثیرگذارانی که تأثیرات آن‌ها قابل‌مقایسه با موارد شناسایی شده از شبکه‌های اجتماعی کامل هستند واز طریق نمونه‌برداری 10 الی 30 درصدی شبکه به دست می‌آیند را شناسایی نماییم. علاوه بر این نتایج ما قادر به ارائه بالاترین سودمندی ممکن از نمونه‌برداری شبکه در روند شناسایی تأثیرگذاران است. نتایج ما نشان می‌دهند که برای برخی از شبکه‌ها، گره‌هایی با تأثیرات بالا را می‌توان به‌جای کل شبکه اجتماعی از شبکه‌های اجتماعی نمونه‌برداری شده کشف نمود.