پیش بینی لینک در شبکه های پویا
- سال انتشار: 1395
- محل انتشار: چهارمین کنفرانس بین المللی مهندسی برق،کامپیوتر و الکترونیک
- کد COI اختصاصی: ICMEAC04_044
- زبان مقاله: فارسی
- تعداد مشاهده: 1141
نویسندگان
دانشجوی کارشناسی ارشدنرم افزاردانشگاه آزاد اسلامی مرودشت
هییت علمی دانشگاه آزاد اسلامی مرودشت
چکیده
شبکه های اجتماعی، شبکه های اطلاعاتی هستند که تعامل ها و روابط بین اشخاص و موجودیت ها را شرح می دهند در حال حاضر، شبکه های اجتماعی به صورت فزاینده ای در حال گسترش و تعمیم هستند و یک رشد نمایی را نشان می دهند. این واقعیت موجب جذب فزاینده گرایش های تحقیقاتی شده است و در دهه های اخیرکارهای زیادی در این زمینه انجام شده است که به نوبه خود، ظهور راه های تحقیقاتی جدید نظیر پیش بینی لینک در شبکه های اجتماعی را موجب شده است.یکی از چالش مطرح در پیش بینی لینک در شبکه های داینامیک که تاکنونبررسی نشده، این است کهدر بسیاری از شبکه های اجتماعی، فعالیت ها و تعاملات موجودیت ها در بستر زمان تغییر می کند. ساختار این شبکه ها داینامیک بوده و به صورت تدریجی دچار تحول می شود. در تحلیل شبکه های اجتماعی ایستا فقط روی تصویر یک لحظه از شبکه تمرکز می کنیم، درحالی که تحلیل تغییرات یک شبکه در محور زمان، می تواند اطلاعات مهمی از روند تغییر شبکه را در اختیار ما قرار دهد. بنابراین، در این پژوهش رویکرد جدیدی با استفادهاز تحلیل شبکه های پویا برای حل این مسیلهارایه شده است که این نوع خاص از تحلیل شبکه اجتماعی، تغییر و تحولات ارتباطات در طول زمان را مورد ثبت و ضبط و بررسی قرار می دهد و خروجی های آن نمونه هایی از گراف ها هستند که یک بعد زمان به آن ها اضافه شده و از یک تایم لاین برای نمایش گذر زمان بهره گرفته می شود.دو روش کلی برای مساله داینامیک بودن شبکه ها در این مقاله ارایه شده که در روش اول با رویکرد یادگیری ماشین ویژگی هایی از لینک ها استخراج شده و در روش دوم ارتباطات دینامیک را با سری های زمانی بازنمایی نموده و با برازش منحنی متناسب با آن، مدلی را برای پیش بینی به دست آوردیم. از هر دو روش نتایج رضایت بخشی به دست آمده است که می توان از آن ها برای پیش بینی لینک ها در مجموعه داده های مختلف استفاده نمود. از معیارهای شباهت مختلف ازجمله معیار شباهت جاکارد، همسایگان مشترک، شاخص آدامیک و تخصیص منابع به منظور محاسبه میزان شباهت های بین پیش بینی انجام شده در آینده باحالت قبل سیستم استفاده شده است. لذا میزان دقت روش پیشنهادی جهت پیش بینی حالت آینده شبکه به طور متوسط در حدود۸۹%است. همچنین روش پیشنهادی نیز به طور میانگین نسبت به سایر روش های مشابه که همگی بر روی یک دیتاست یکسان اجراشده اند حدود ۱.۵ برابر بهبود داشته استکلیدواژه ها
شبکه های اجتماعی، پیش بینی لینک، شبکه پویامقالات مرتبط جدید
- ارزیابی اقتصادی و زیست محیطی سناریوهای ترکیب انرژی تجدیدپذیر در برنامه ریزی تولید برق ایران تا افق ۱۴۱۰
- بررسی فناوریها و استراتژیها برای بهینه سازی مصرف انرژی و افزایش کارایی در شبکه های توزیع
- فناوری اطلاعات و ارتباطات سبز
- Hoo Controller Design for a Quadruple-Tank Multivariable System: Robust Performance via Weighted Sensitivity Shaping
- تاثیر حیاتی همبستگیهای آماری ضعیف بادبار بر قابلیت اطمینان سیستمهای قدرت: دیدگاهی فراتر از مدلهای سنتی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.