ارزیابی الگوریتم های تاثیرارتباطات درشبکه های اجتماعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 891

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BPJ01_541

تاریخ نمایه سازی: 29 دی 1392

چکیده مقاله:

شبکه های اجتماعی عموما مجموعه ای ازافرادیاسازمان ها هستند که توسط یک یاچندرابطه به هم متصل میشوند معمولا شبکه ها راباگراف غیرجهت دارG (V ,E نمایش میدهند که رئوس V و یالهای E به ترتیب بیان کننده افراد و ارتباط بین آنها هست یکی ازمسائل پرکاربرد دراین شبکه ها مسئله بیشینه سازی تاثیر است که دربسیاری اززمینه ها ازقبیل پزشکی به منظورجلوگیری ازگسترش بیماریهای عفونی جرم شناسی به منظور شناسایی ماهیت و وسعت درگیری توطئه سیاست به منظور انتخاب یک فرد تجارت به منظورفروش کالایی جدید و غیره کاربرد دارد این مسئله زیرمجموعه ای ازافراد شبکه را انتخاب می کند بطوریکه بیشترین تاثیر را دربین بقیه افراد داشته باشند و باعث انتشاروسیعی ازاطلاعات درشبکه شوندمسئله پیدا کردن K فرد بابیشترین گسترش تاثیر درشبکه NP سخت است بدینمنظور ازالگوریتم تقریبی حریصانه با فاکتور 1-1e برای بعضی ازمدلهای پخش اطلاعات استفاده میشوداین الگوریتم ازنظر محاسباتی بسیارزمان بر است و برای شبکه های اجتماعی مناسب نمی باشد این مقاله می کوشد تا با معرفی این الگوریتم ها و مقایسه این الگوریتم ها یک دید کلی نسبت به الگوریتم های تاثیرارتباطات درشبکه های اجتماعی ایجادکند

کلیدواژه ها:

الگوریتم های مکاشفه ای ، تشخیص انجمن ، شبکه اجتماعی ، مدل پشت سرهم مستقل ، مسئله بیشینه سازی تاثیر

نویسندگان

فاطمه شنیده

دانشجوی ارشدمهندسی کامپیوتر

بهروز مینایی

استادیاردانشگاه علم و صنعت ایران

مهدی نصیری

دانشجوی دکتری مهندسی کامپیوتر

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 :
  • _ _ _ _ on Knowledge Discovery and Data Mining, ...
  • _ _ _ Conference on Knowledge Discovery and Data Mining, ...
  • _ _ _ _ ACM SIGKD2 Conference on Knowledge Discovery ...
  • D. Kempe, J. M. Kleinberg, E. Tardos, "Infuential Nodes in ...
  • W. Chen, Y. Wang, S. yang, "Efficent Inftuential Maximization in ...
  • Conference _ Knowledge Discovery and Data Mining Conf., pages 199-208, ...
  • S. Fortunato, "Community detection in graphs". Physics Reports, Vol 486(3-5), ...
  • Y. Wang, X. Feng, "A potential-based node selection strategy for ...
  • M. Kimura, K. Saito, "Tractable models for information diffusion in ...
  • P. A. Est evez, P. A. Vera, K. Saito, "Selecting ...
  • J. Scripps, P. Tan, A. Esfahanian, "Node roles and community ...
  • _ flow model _ _ _ 33, ...
  • نمایش کامل مراجع