ارائه روشی جدید برای تشخیص گره های پرنفوذ در گراف شبکه های اجتماعی با استفاده از روش های یادگیری عمیق
عنوان مقاله: ارائه روشی جدید برای تشخیص گره های پرنفوذ در گراف شبکه های اجتماعی با استفاده از روش های یادگیری عمیق
شناسه ملی مقاله: JR_KARFN-19-1_028
منتشر شده در در سال 1401
شناسه ملی مقاله: JR_KARFN-19-1_028
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:
آزاد نوری - عضو هیات علمی، گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه فنی و حرفه ای، تهران، ایران.
خلاصه مقاله:
آزاد نوری - عضو هیات علمی، گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه فنی و حرفه ای، تهران، ایران.
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.
کلمات کلیدی: شبکه های اجتماعی, گراف های پیچیده, بیشینه سازی تاثیر, یادگیری عمیق, خودرمزنگارهای خلوت
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1740574/