استخراج جوامع در شبکه های اجتماعی براساس خوشه بندی سلسله مراتبی QCM ودرنظرگرفتن میزان افت چگالی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 642

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK02_071

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

خوشه بندی یا استخراج جوامع در شبکه های اجتماعی یک مسأله مهم و کاربردی در حوزه داده کاوی است. یکی ازرویکردهای مطرح برای این منظور استفاده از الگوریتم های خوشه بندی سلسله مراتبی است. این الگوریتم ها مجموعه ایاز خوشه های تودرتو در یک ساختار سلسله مراتبی تولید و در قالب یک خروجی به صورت دندوگرام ارائه می کنند. اماانتخاب خوشه های نهایی از دندوگرام مستلزم تصمیم گیری بهینه یا نزدیک به بهینه در مورد برش یال های دندوگراماست که این موضوع مسأله ای مشکل محسوب می شود.در این مقاله راهکار جدیدی برای استخراج جوامع در شبکه های اجتماعی معرفی می شود. در راهکار پیشنهادی ابتدا بااستفاده از الگوریتم QCM دندوگرامی تولید می شود که هر گره آن یک زیرگراف از گراف اصلی است. در مرحله بعد برمبنای مقایسه چگالی هر گره با میانگین چگالی فرزندان آن در مورد برش یالهای خارجشده از آن تصمیم گیریمیشود. برای محاسبه چگالی، رابطه پارامتریک جدیدی ارائه شده است تا زیرگراف هایی به عنوان خوشه های نهاییتولید شوند که هم شباهت داخلی گره های آنها زیاد باشد و هم این که تعداد این خوشه ها بیش از حد زیاد نشود.راهکار پیشنهادی هم بر روی گراف های تولیدشده به صورت تصادفی و هم برروی مجموعه داده های واقعی مورد ارزیابیقرار گرفته و با برخی الگوریتم های مطرح در این حوزه مقایسه شده است که نشان دهنده برتری راهکار پیشنهادی ازنظر دقت خوشه بندی است.

کلیدواژه ها:

نویسندگان

سمانه شیبانی

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مهرداد جلالی

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

حسن شاکری

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :
  • J. Scott, "Social Network Analysis: A Handbook, " second ed. ...
  • X. Qi, et al. "Optimal local community detection in social ...
  • J. A. Hartigan, Clustering Algorithm. John Wiley & Sons, Inc, ...
  • C. Guan, and K. K.F. Yuen. "Towards a Hybrid Approach ...
  • D. Defays, "An efficient algorithm for a complete link algorithm." ...
  • R. Sibson, "SLINK: an optimally efficient cluster ...
  • algorithm." The Computer Journal (British Computer Society, Vol. 16, No. ...
  • Y. Ou, and C.-Q. Zhang, "A new multi- membership clustering ...
  • Industrial _ Management Optimization, Vol. 3. No. 4, pp. 619-624, ...
  • P. Zhao, and C.-Q. Zhang , "A new clustering algorithm ...
  • M. Fiedler, "Algebraic connectivity of graph." Czechoslovak Mathematicat Journal 23, ...
  • M. Girvan, and M. Newman, "Community structure in social and ...
  • 1.A.Pothen, H. Simon, and K. Liou, "Partitioning sparse matrices with ...
  • G. Palla, I. Derenyi, I. Farkas, and T. Vicsek, "Uncovering ...
  • J. Dong, and S. Horvath, _ Understanding network concepts in ...
  • F. Li, et al. "A Clustering-b ased Link Prediction Method ...
  • Q. Cai, et al. "Greedy discrete particle swarm optimization for ...
  • M. Johnson, D. Paulusma, and E.J. Leeuwen, "Algorithms for diversity ...
  • نمایش کامل مراجع