بهبود خوشه بندی شبکه های اجتماعی با الگوریتم تکاملی رقابت استعماری و معیار شباهت درونی گره های شبکه
Publish place: Electrical Asre Magazine، Vol: 8، Issue: 15
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 273
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KEEE-8-15_007
تاریخ نمایه سازی: 20 مرداد 1400
Abstract:
به دلیل رشد روز افزون تمایل افراد به عضویت و استفاده از شبکه های اجتماعی، برقراری ارتباط و به اشتراک گذاری داده های موجود در این شبکه ها، مورد توجه علوم مختلف همانند علوم سیاسی، روانشناسی، جامعه شناسی، اقتصاد و … قرار گرفته است. به همین دلیل، محققین اقدام به تشخیص و استخراج روابط بین افراد از داده های موجود در این شبکه ها، برای ایجاد جوامع دقیق تر نموده اند. با این حال هنوز روشی موثر جهت شناسایی و استخراج جوامع، بر مبنای داده های شبکه های اجتماعی ارایه نشده است.
در این مقاله، به منظور خوشه بندی دقیق تر جوامع موجود در یک شبکه اجتماعی، روشی بر پایه استفاده از الگوریتم فرا ابتکاری تکاملی رقابت استعماری و با انتخاب جمعیت اولیه بر اساس معیار خوشه بندی مبتنی بر چگالی معرفی شده است. روش پیشنهادی در مقایسه با الگوریتم رقابت استعماری پایه، به طور میانگین مقدار ماژولاریتی را ۲۱.۴۵% افزایش داده و جوامع منسجم تری را استخراج نموده است.
Keywords:
Imperial Competitive Algorithm , Evolutionary Algorithms , Graph Clustering , density-based clustering , Social Networks , الگوریتم رقابت استعماری , الگوریتم های تکاملی , خوشه بندی گراف , خوشه بندی مبتنی بر چگالی , شبکه های اجتماعی
Authors
محمدامین شایگان
گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد شیراز
علی حسینی
باشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی واحد شیراز
سعید صدیقی
باشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی واحد شیراز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :