ارائه روشی جهت شبکه های اجتماعی چند لایه ای پویا جهت کشف گروه های تاثیرگذار مبتنی بر ترکیبب الگوریتم تکاملی جهش قورباغه و خوشه بندی C-means

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 143

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:

JR_IMPCS-3-3_004

تاریخ نمایه سازی: 29 آبان 1401

چکیده مقاله:

امروزه علم و  فن ­آوری با آهنگی شتابناک در حال رشد است و شبکه­ های اجتماعی پیچیده به بخشی ضروری از زندگی تبدیل­ شده ­اند، آن­گونه­ که بحث جدایی مردم از شبکه ­های درهم ­پیچیده ­ای که مبتنی ­بر نیازهای اساسی زندگی است بحث ناگزیری در زندگی روزمره و عرصه دانش است. در پژوهش پیش­ رو مدلی برای شبکه ­های اجتماعی چندلایه ­ای پویا برای کشف گروه­ های تاثیرگذار، مبتنی ­بر ترکیبب الگوریتم تکاملی جهش قورباغه و خوشه ­بندی C-means ارائه ­شده ­است. بدین ترتیب که پس از جمع آوری داده ها به پاک سازی و نرمال سازی آن­ها پرداخته شد تا داده های مطلوب منجر به شناسایی افراد و گروه های موثر شود که در ادامه­ کار ماتریس تصمیم شکل­ گرفت و از روی آن شناسایی و خوشه بندی(مبتنی­ بر خوشه بندی فازی) انجام ­شد و اهمیت گروه ها نیز مشخص­ گردید. برای دستیابی به افراد و گروه های تاثیرگذار در شبکه های اجتماعی، از الگوریتم قورباغه جهنده برای بهبود تشخیص پارامترهای تاثیرگذار استفاده ­شد که باعث بهبود اهمیت گره­ ها شده ­است. در ارزیابی و شبیه­ سازی بخش خوشه بندی، روش پیشنهادی با روش K-means مقایسه­ و  نتیجه­ مقدار تعادل روش در انتخاب خوشه برابر ۵ شد. گفتنی است که روش پیشنهادی به نسبت روش های مورد مقایسه، بهبود مناسب­ تری را نشان ­داد. همچنین ارزیابی معیار صحت روش پیشنهادی به نسبت روشهای همسان بهبود ۳.۳ داشته و نسبت  به روش پایه M-ALCD بهبود ۳.۸ را به ثبت رسانده ­است.

کلیدواژه ها:

شبکه های اجتماعی چند لایه ای پویا ، گروه های تاثیرگذار ، الگوریتم تکاملی جهش قورباغه و خوشه بندی C-means

نویسندگان

لیدا ندرلو

دانشگاه روزبه- دانشکده کامپیوتر- زنجان- ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Dasgupta. S, Prakash. Ch, (۲۰۱۶)," Intelligent Detection of Influential Nodes ...
  • Yang. Y, Xie. G, (۲۰۱۶) ," Efficient identification of node ...
  • [Zhou. J, Zhang. Y, Cheng. J, (۲۰۱۴) ," Preference-based mining ...
  • Xiaoming Li, Guagquan Xu, Litao Jiao, Yinan Zhou, Wei Yu.(۲۰۱۹).“ ...
  • Lokesh Jain , Rahul Katarya , Shelly Sachdeva.(۲۰۱۹). “Opinion Leader ...
  • [Yu Lei, Ying Zhou, Jiao Shi.(۲۰۱۹). “Overlapping Communities Detection of ...
  • Aftab Farooq, Usman Akram, Gulraiz Javaid Joyia, and Chaudhry Naeem ...
  • Mohammed Ali Al-garadi, Kasturi Dewi Varathan, Sri Devi Ravana, Ejaz ...
  • ] Weiyi Liu, Pin-Yu Chen, Sailung Yeung, Toyotaro Suzumura and ...
  • Interdonato R, Tagarelli A, Ienco D, et al. Local community ...
  • T. Hoang Huynh, “A modified shuffled frog leaping algorithm for ...
  • Bezdek J C, Ehrlich R, Full W. FCM: The fuzzy ...
  • Mogelmose, A.; Trivedi, M.M..(۲۰۱۲). Moeslund, T.B. Vision-based traffic sign detection ...
  • نمایش کامل مراجع