یک الگوریتم جدید برای شناسایی جوامع در شبکه های اجتماعی با استفاده از اتوماتای یادگیر
محل انتشار: هشتمین کنفرانس بین المللی فناوری اطلاعات ودانش
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,282
فایل این مقاله در 6 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:
ICIKT08_091
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
با توجه به ساختار روابط اجتماعی میان کاربران و وجود ساختارهای اجتماعی در شبکه های اجتماعی، یکی از مسائل مهم دراین شبکه ها، شناسایی جوامع به منظور تحلیل ساختاری شبکه اجتماعی است. در مسئله شناسایی جوامع، هدف تقسیم بندی شبکهبه مجموعه ای از زیر گراف هاست به گونه ای که تراکم ارتباطات داخل جوامع خیلی بالا و ارتباط مابین جوامع خیلی پایین باشد. دراین مقاله با استفاده از یک الگوریتم مبتنی بر آتوماتای یادگیر سلولی نامنظم سعی بر شناسایی جوامع در شبکه های اجتماعی شدهاست. در الگوریتم پیشنهادی هر گره از گراف به یک آتوماتان یادگیر مجهز شده و براساس روابط همسایگی گره های گراف و روابطکل گره های گراف با یکدیگر براساس معیاری جدیدی به نام سیگنیفیکنس، فرآیند پاداش و جریمه به اقدام های اتوماتاهای یادگیراعمال می شود. در واقع اساس کار این مقاله بهینه سازی معیار عمومی سیگنیفیکنس در کنار یک معیار محلی با استفاده از آتوماتاییادگیر سلولی است تا بتوان جوامع را به درستی تشخیص داد. به منظور ارزیابی کارایی الگوریتم پیشنهادی آزمایشاتی بر رویدادگان استاندارد شبکه های اجتماعی ترتیب داده شده است که نتایج آزمایشات در مقایسه با الگوریتم های متداول شناسایی جوامعحاکی از برتری روش پیشنهادی از نظر دقت و زمان اجرا است.
کلیدواژه ها:
نویسندگان
مانا هیبت الله پورده میرانی
آزمایشگاه محاسبات نرم، دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران
محمدرضا میبدی
آزمایشگاه محاسبات نرم، دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران
علیرضا رضوانیان
آزمایشگاه محاسبات نرم، دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، 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 :