ارائه روشی جدید برای تشخیص گره های پرنفوذ در گراف شبکه های اجتماعی با استفاده از روش های یادگیری عمیق
Publish place: KARAFAN، Vol: 19، Issue: 1
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 65
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KARFN-19-1_028
تاریخ نمایه سازی: 5 شهریور 1402
Abstract:
یکی از مسائل مهم در شبکههای اجتماعی بزرگ، شناسایی کاربران بانفوذ برای بیشینهسازی انتشار اخبار و پیامها است که عموما تحت عنوان مشکل بیشینهسازی تاثیر در شبکههای اجتماعی (مشکل SIM)، شناخته می شود. موفقیت روند انتشار در این شبکهها بستگی به مکانیسم انتخاب کاربران تاثیرگذار دارد. از طرفی با افزایش سرعت رشد و حجم دادهها در گراف شبکههای اجتماعی بزرگ یکی از معضلات اصلی، تعداد بسیار زیاد گرهها و یالهاست که انجام هر نوع پردازشی روی آن را با مشکلات متعدد روبه رو میسازد. اجرای روشهای سنتی بر روی گرافهای بزرگ و دارای دادههای با ابعاد بالا، سخت و زمان بر است و باید روشهای موثرتری به کار گرفته شود. در این مقاله ما با استفاده از یادگیری عمیق، روش جدیدی برای کاهش ابعاد گراف شبکه های اجتماعی پیشنهاد داده و سپس با در نظر گرفتن حداقل هم پوشانی بین گرهها تلاش میکنیم تا راه حل جدید و موثری را برای مسئله بیشینهسازی تاثیر ارائه دهیم. در ادامه نتایج حاصل از شبیهسازی در دنیای واقعی، نشان دهنده عملکرد بهتر روش پیشنهادی از نظر زمان اجرا و میزان گسترش نفوذ نسبت به تکنیک های سنتی است.
Keywords:
Authors
آزاد نوری
عضو هیات علمی، گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه فنی و حرفه ای، تهران، ایران.
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 :