تشخیص اجتماعات با رویکرد ترکیبی در شبکه های اجتماعی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,724

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_009

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

تشخیص اجتماعات در شبکه های پیچیده یا شبکه های اجتماعی یکی از مهمترین مشکلات در زمینه های علمی می باشد. خوشه بندی یا تشخیص اجتماعات، ساختار گروه ها در شبکه های اجتماعی و ارتباطات پنهان بین مولفه های آن را آشکار خواهد نمود. با درنظر گرفتن افزایش پایگاه داده های مربوط به شبکه های اجتماعی، به الگوریتم های مقیاس پذیری برای تجزیه تحلیل آنها نیاز داریم. در این مقاله ما درصدد پیدا نمودن اجتماعات صحیح و دقیق با استفاده از خوشه بندی ترکیبی هستیم. اکثر روش های رایج تشخیص اجتماعات موجود قطعی نیستند و نتایج آن ها به مقادیر اولیه ای که در اکثر مواقع به صورت تصادفی انتخاب می شود بستگی دارد. خوشه بندی ترکیبی در تحلیل داده ها برای رسیدن به نتایج ثابت(پایدار) بدون توجه به مقادیر اولیه تصادفی می باشد. در این مقاله نشان خواهیم داد که خوشه بندی ترکیبی توانایی ترکیب با هر روش دیگری را خواهد داشت به گونه ای که دقت نتایج اجتماعات را افزایش می دهد. نتایج این بررسی ها می تواند در مسائل بسیاری از جمله تشخیص دقیق تر اجتماعات، بازاریابی، تبلیغات، درک شبکه و بهبود موتورهای جستجو مورد استفاده قرار گیرد

نویسندگان

رسول حسین زاده

دانشگاه شهید بهشتی

حسین علیزاده

دانشگاه علم و صنعت

اسلام ناظمی

دانشگاه شهید بهشتی

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 :
  • in Communitiesه [4] M.A.Porter, J.P.Omnela, and P.J.Mucha, networks, " Notices ...
  • W.W.Zachary, _ information flow model for conflict and fission in ...
  • D.Easley and J, Kleinberg, "Networks, Crowds, and Markets: Reasoning about ...
  • B, Liu, "Web DataMining Exploring Hyperlinks, Contents, and Usage Data, ...
  • S.Fortunato, "Community detection in graphs, " Physics Reports, vol. 486, ...
  • A.Strehl and J.Ghosh, "Cluster Ensembles -A Knowledge Reuse Framework for ...
  • A. Lancichinetti, "Community detection algorithms: a comparative analysis, " Physical ...
  • X.S.Zhang and et al., "Modularity optimization in community detection of ...
  • M.Girvan and M .E.J.Newman, "Community structure in social and biological ...
  • M .E.J.Newman, _ measure of betweemness centrality based _ random ...
  • F.Radicchi, C.Castellano, F.Cecconi, V.Loreto, and D.Parisi, "Defining and identifying communities ...
  • algorithm for clustering in social networks, " _ Proceedings of ...
  • structure in very large networks, " Physical review E, vol. ...
  • M...J.Newman and M.Girvan, "Finding and evaluating community structure in networks, ...
  • A.Clauset, M.E.J.Newman and C.Moore, "Finding community structure in very large ...
  • M.Tasgin and H.Bingol, "Community detection in complex networks using genetic ...
  • J.Leskovec, K.J.Lang and M.Mahoney, "Empirical comparison of algorithms for network ...
  • N.Iam-on S.Garrett, "LinkCluE: A MATLAB Package for Link-Based Cluster Ensembles, ...
  • J.Reichardt, S.Bormholdt, "Statistical mechanics of community detection", Physical Review E, ...
  • P.Gleiser and L.Danon, "Community structure in jazz, " Arxiv preprint ...
  • J.Shetty and J.Adibi, "The _ email dataset database schema and ...
  • _ [12] M .E.J.Newman, "Fast algorithm for detecting community structure ...
  • نمایش کامل مراجع