CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

هم افزایی کاربران در شبکه علمی اجتماعی کوثرنت با استفاده از روش های خوشه بندی مبتنی بر گراف

عنوان مقاله: هم افزایی کاربران در شبکه علمی اجتماعی کوثرنت با استفاده از روش های خوشه بندی مبتنی بر گراف
شناسه ملی مقاله: JR_IMS-9-35_007
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:

زهرا شیرانی - دانشجوی کارشناسی ارشد رشته فناوری اطلاعات، دانشگاه قم، قم، ایران
امیر جلالی بیدگلی - استادیار مهندسی کامپیوتر، دانشگاه قم، قم، ایران نویسنده مسئول

خلاصه مقاله:
در سال های اخیر تعداد کاربران شبکه های اجتماعی رشد زیادی داشته اند. چالش بزرگ مخاطب این شبکه ها، نحوه برقراری ارتباط با افراد حاضر در این شبکه ها می باشد. سیستم های پیشنهاددهنده دوست با ارائه پیشنهاداتی سعی در رفع این چالش دارند. در این پژوهش از داده های شبکه علمی و اجتماعی کوثرنت استفاده شده است. در این تحقیق با استفاده از ۱۰ نوع رابطه بین کاربران و بدون در نظر گرفتن روابط دوستی،گراف شبکه ایجاد و سپس با استفاده از ۳ الگوریتم لووین[۱]، کی میانگین[۲] و سلسله مراتبی[۳]، خوشه بندی گراف جهت تشخیص جوامع انجام گردید. خوشه های به دست آمده از الگوریتم خوشه بندی لووین دارای درصد مطابقت بالاتری با روابط دوستی بودند. سپس با استفاده از الگوریتم ژنتیک[۴] برای هر یک از ۱۰ رابطه وزن های مختلفی در نظر گرفته شد و با اجرای الگوریتم خوشه بندی لووین بر روی گراف شبکه، بیشترین درصد مطابقت به همراه وزن بهینه هر یک از ۱۰ رابطه به دست آمد. در این حالت خوشه های حاصل، خوشه هایی بهینه حاوی کاربران با بیشترین شباهت هستند. بنابراین می توان سایر کاربرانی که در یک خوشه قرار گرفته اند به عنوان دوست به یکدیگر پیشنهاد داد. برای اولویت بندی پیشنهادات نیز از وزن یال های بین افراد در گراف استفاده شد. در پایان روش پیشنهاد دوست ارزیابی و درصد مطابقت دوستان پیشنهادی با دوستان واقعی فرد محاسبه گردید. [۱]. Louvain[۲]. Kmeans[۳]. Hierarchical[۴] .Genetic

کلمات کلیدی:
سیستم های پیشنهاددهنده, خوشه بندی گراف, تشخیص جامعه, شبکه علمی اجتماعی کوثرنت

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1379772/