الگوریتمی کارا جهت تشخیص جوامع همپوشان درشبکه های اجتماعی
محل انتشار: همایش تخصصی بررسی ابعاد شبکه های اجتماعی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,317
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CESN01_019
تاریخ نمایه سازی: 29 دی 1392
چکیده مقاله:
یکی ازمسائل بسیارمهم و پرکاربرد درشبکه های اجتماعی تشخیص جامعه است جامعه زیرگرافی ازیک گراف است که تعدادارتباطهای بین اعضا آن زیرگراف نسبت به تعدادارتباطهایی که آنها را به بقیه گراف متصل می کند بیشتر است این مسئله به دونوع تشخیص جوامع مجزا و همپوشان تقسیم میگردد درتشخیص جوامع مجزا همه جوامع بایست کاملا جداازهم باشند اما درتشخیص جوامع همپوشان یک فردمیتواند همزمان درچندجامعه عضو باشد که موضوع اصلی این مقاله است باوجود همه تلاش هایی که تاکنون برای حل مسئله تشخیص ساختارجوامع صورت گرفته است هنوز راه حل مناسبی برای این مسئله که ازنوع مسائل NP-Complete می باشد ارایه نشده است دراین مقاله راه حلی مبتنی برعامل برای این مسئله ارایه خواهد شد ازمایشهای انجام شده نشان میدهند که درسه معیارمعمول F-Score ، Nicosia NMI الگوریتم ارایه شده نسبت به اخرین الگوریتم های موجود کاراتر است
کلیدواژه ها:
نویسندگان
رضا بدیع
دانشگاه تهران
ابوالفضل آل احمد
دانشگاه تهران
مسعود اسدپور
دانشگاه تهران
مسعود رهگذر
دانشگاه تهران
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 :