Wie informatie via sociale media zo breed mogelijk wil verspreiden, moet niet uitsluitend kijken naar gebruikers met de meeste connecties. Het bereiken van verschillende onlinegemeenschappen kan minstens zo belangrijk zijn. Dat blijkt uit nieuw wetenschappelijk onderzoek.
Onderzoekers Monica Bhutani, Aaquib Hussain Ganai, Hilal Ahmad Khanday, Mahesh Kumar Jha en Amar Choudhary onderzochten hoe informatie zich binnen sociale netwerken verspreidt en welke gebruikers daarbij de grootste rol spelen. Traditionele algoritmes richten zich vaak op de invloedrijkste personen binnen een compleet netwerk. Het probleem is dat deze gebruikers regelmatig tot dezelfde groep behoren. Daardoor kan informatie zich vooral binnen één gemeenschap verspreiden, terwijl andere groepen nauwelijks worden bereikt.
Verschillende gemeenschappen bereiken
De onderzoekers ontwikkelden daarom een methode waarbij een sociaal netwerk eerst wordt opgedeeld in verschillende gemeenschappen. Vervolgens worden binnen iedere groep afzonderlijk invloedrijke gebruikers geselecteerd. Hiervoor gebruiken zij het zogenoemde Leiden-algoritme, dat groepen herkent op basis van onderlinge verbindingen. Met een aanvullende berekening bepalen de onderzoekers welke gebruikers binnen deze gemeenschappen het meest geschikt zijn om informatie verder te verspreiden. De methode werd getest op acht bestaande netwerkdatasets, waaronder gegevens van Twitter, Wikipedia en onlinegemeenschappen. Met computermodellen simuleerden de onderzoekers vervolgens hoe informatie zich door deze netwerken verspreidt. De resultaten laten zien dat het selecteren van invloedrijke gebruikers uit verschillende gemeenschappen kan zorgen voor een bredere verspreiding dan wanneer uitsluitend naar de invloedrijkste gebruikers van het volledige netwerk wordt gekeken.
Dit is een Premium-artikel
Word Vriend van Spreekbuis.nl en lees dit artikel gratis.
