نمذجة انتشار المعلومات المحسّن في الشبكات الاجتماعية باستخدام خوارزمية اليراع المعدلة الموسعة مع عوامل المحتوى والتفاعل والزمن والسمات الاجتماعية

الملخص

يُعد فهم وتوقّع كيفية انتشار المعلومات في الشبكات الاجتماعية على الإنترنت مهمة حيوية ومعقدة في آنٍ واحد، خصوصًا في ظل التأثير المتزايد لنوع المحتوى، وتفاعل المستخدمين، والديناميكيات الاجتماعية. في هذه الدراسة، نقترح نموذجًا محسّنًا لانتشار المعلومات يعتمد على نسخة موسعة من خوارزمية اليراع المعدلة  (EMFA)، حيث يدمج أربع سمات رئيسية: نوع المحتوى، مستوى التفاعل، السلوك الزمني، والسمات الاجتماعية للمستخدمين.
يتكيف نموذجنا المقترح وعلى خلاف النماذج الكلاسيكية التي تتعامل مع انتشار المعلومات بشكل موحد ديناميكيًا مع طبيعة المحتوى وأنماط سلوك المستخدمين.

تم تقييم النموذج باستخدام مجموعات بيانات حقيقية متعددة، بما في ذلك تويتر ورديت، وتمت مقارنته مع نماذج انتشار قائمة على التحسين الأمثل مثل PSO وACO وGWO.  وأظهرت النتائج التجريبية أن دمج هذه العوامل يُحسّن بشكل ملحوظ من دقة وواقعية توقعات الانتشار. كما أجرينا تحليلًا للحساسية لقياس التأثير الفردي لكل عامل، وأثبتنا قدرة النموذج على محاكاة الاتجاهات الفيروسية وتوقّع أوقات الذروة للانتشار.

تُقدّم هذه الدراسة إطارًا حوسبيًا متطورًا وتكيفيًا لمحاكاة ديناميكيات الانتشار المعقدة ضمن الأنظمة الاجتماعية الرقمية الحديثة، وتفتح آفاقًا لتطبيقات في مجالات مكافحة الشائعات، والتسويق الرقمي، وتوقّع السلوك الاجتماعي.