تشخیص جوامع مخفی در شبکه های اجتماعی با استفاده از الگوریتم های هوشمند

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 790

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MHCONF05_026

تاریخ نمایه سازی: 12 شهریور 1399

چکیده مقاله:

با شبکه های اجتماعی مجازی، یکی از اتفاقاتی است که به سرعت در زندگی همه کاربران وب نفوذ پیدا کرده وماهیت تعاملیاین شبکه ها است و همین مساله جذابیت آن را بالا برده است .هدف اصلی این پژوهش طراحی و ارایه یک روش جهتیافتن جوامع مخفی در شبکه های اجتماعی و فضای مجازی با استفاده از الگوریتم های هوشمند می باشد که مجموعه دادگانفیس بوک استفاده شده است..در این پژوهش از الگوریتم ژنتیک بهبود یافته (پیشنهادی) جهت شناسایی جوامع مخفی وغالب استفاده شده است.یک چارچوب برای روش ترکیبی تشخیص جوامع ارائه شده است. در این الگوریتم به این صورت عمل می کند که در مرحلهاول تعداد 200 عضو تصادفی را تولید می کند هر کدام از این اعضای الگوریتم ژنتیک تشکیل دهنده یک جواب از جوامعمخفی هستند که خود جامعه مخفی 25 عضو دارد که می توان ماژولاریتی را برای هر گروه 25 نفره محاسبه کرد. بنابرایناعضای 200 نفره الگوریتم ژنتیک هر کدام یک ماژولاریتی (که در اینجا به عنوان برازندگی است) دارند. پس از تولید این200 نفرماژولاریتی هریک محاسبه می شود وعضوی که بالاترین ماژولاریتی را دارد به عنوان بهترین جواب انتخاب میشود و در خروجی برای مرحله اول نمایش داده می شود. بعد از ترکیب , تعداد جامعه دوبرابر می شود سپس جهش می یابند ودر نهایت تابع فیتنس 1 روی آنها اعمال می شود تا از میان 400 جامعه یکی از بهترین جوامع که بالاترین ماژولاریتی را داردنمایش داده می شود و نیز 200 جامعه که ماژولاریتی بالاتری دارند نسبت به 400 جامعه انتخاب و مجدد روند ذکر شدهتکرار می شود تا 200 بار این روند ادامه می یابد. نتایج حاصله نشان می دهد که الگوریتم ژنتیک بهبود یافته در کشفجوامع مخفی بسیار کارامد بوده است.

نویسندگان

مهرناز پوریگانه

کارشناس ارشد مهندسی نرم افزار