تشخیص جوامع با استفاده از ملاک جمعیتی مبتنی بر الگوریتم انتشار گرما در شبکه های اجتماعی با رویکرد استخراجی

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 633

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICCECSG01_007

تاریخ نمایه سازی: 25 فروردین 1394

Abstract:

یک مشکل شایع و مهم در مطالعه شبکه های اجتماعی این مساله می باشد که چگونه راس های شبکه داده شده را به یک یا چند گروه که جمعیت ها در شبکه خوانده می شوند تقسیم نماییم. اغلب روش های تشخیص جمعیت موجود، افراز کل شبکه به جمعیت های مختلف را مورد توجه قرار می دهند. البته بسیاری از شبکه ها دارای راس هایی می باشند که متناسب با هیچ جمعیتی نمی باشند و گاهی اجبار عضویت تمامی راس ها در یک جمعیت باعث پاسخ نادقیق خواهد گردید که دیدگاه استخراجی راه حلی برای این موضوع بوده و تنها به ارتباطات میان اعضاء در درون جمعیت اکتفا نمی نماید. همچنین با توجه به این که نحوه رفتار مردم با یکدیگر در دنیای واقعی بسیار شبیه پدیده انتشار گرما می باشد و در یک جمعیت در شبکه بر اساس این دیدگاه بایستی میزان تبادل گرما در هر لحظه میان اعضا جمعیت بیشینه و میان اعضا جمعیت با سایر اعضا در خارج جامعه کمینه شود، تناسب میان میزان گرمای مبادله شده در شبکه با رویکرد استخراجی تبدیل به ملاکی جهت کشف جمعیت در شبکه می گردد. حال در این تحقیق با توجه به این مفهوم، تشخیص و استخراج جوامع در یک شبکه اجتماعی مبتنی بر اساس ملاک جمعیتی برگرفته از انتشار گرما مورد توجه قرار گرفته است.

Authors

میلاد شریف نژاد

دانشگاه آزاد اسلامی واحد مشهد، گروه هوش مصنوعی، مشهد، ایران

مهرداد جلالی

دانشگاه آزاد اسلامی واحد مشهد، گروه نرم افزار، مشهد، 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 :
  • _ _ Kernelاs on Statistit ...
  • Fortunato., Community detection in graphs. Physics Reports, 2010. 486: p. ...
  • Porter, M. A., Omnela, J.-P. and Mucha, P. J. Communities ...
  • Goldenberg, A., Zheng, A. X., Fienberg, S. E. and Airoldi, ...
  • Wei, Y. C. and Cheng, C. K. (1989). Towards efficient ...
  • Shi, J. and Malik, J. Normalized cuts and image segmentation. ...
  • Krzakala, F., Moore, C., Mossel, E., Newman, J., Sly, A, ...
  • _ _ community structure in _ large networks. Physical review, ...
  • _ _ _ _ _ 103: p. 8577-8582. ...
  • Mucha, P. J., Richardson, T, Macon, K., Porter, . A. ...
  • Goldenberg, A., Zheng, A. X., Fienberg, S. E. and Airoldi, ...
  • Snijders, T. A. and Nowicki, K. Estimation and prediction for ...
  • _ _ _ _ Association, 2001. 96: p.1077-1087. ...
  • Hoff, P. D., Raftery, A. E. and Handcock, M. S. ...
  • Handcock, M. S., Raftery, A. E. and Tantrum, J. M. ...
  • Airoldi, E. M., Blei, D. M., Fienberg, S. E. and ...
  • Zhao, Y., Levina, E. and Zhu, J. Community extraction for ...
  • _ _ S. Finding statistically significant communities in networks, 2011. ...
  • James D. Wilson, Simi Wang, Peter J. Mucha, Shankar Bhamidi, ...
  • L. Hagen and A. B. Kahng. New spectral methods for ...
  • F. Chung and L. Lu. Connected components in random graphs ...
  • M. E. J. Newman Finding community structure in networks using ...
  • Zhao, Y., Levina, E. and Zhu, J. Community extraction for ...
  • R. I. Kondor, J.D.L., Diffusion kernels on graphs and other ...
  • R. I. Kondor, J.D.L., Diffusion kernels on graphs and other ...
  • نمایش کامل مراجع