کشف اجتماعات با استفاده از شباهت یال در شبکه های پیچیده
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,808
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
IPRIA02_026
Index date: 19 September 2015
کشف اجتماعات با استفاده از شباهت یال در شبکه های پیچیده abstract
یکی از مهمترین ویژگی های شبکه های پیچیده وجود ساختارهای اجتماعی می باشد. بطور مشخص شناسایی این ساختارها در شبکه های پیچیده به تحلیل ویژگی های ساختاری شبکه کمک می کند. در سال های اخیر الگوریتم های متعددی برای کشف اجتماعات در شبکه های پیچیده پیشنهاد شده است. با توجه به ویژگی های این اجتماعات، یکی از روش های موجود برای شناسایی اجتماعات ارائه الگوریتم هایی برای وزن دهی بال های شبکه است به طوریکه وزن بال های درون اجتماعات افزایش و بطور همزمان وزن بال های مابیناجتماعات کاهش یابد تا تمایز میان اجتماعات به سادگی قابل شناسایی باشند. در این مقاله، یک الگوریتم دو مرحله ای به صورت سلسله مراتبی پیشنهاد شده است. در مرحله اول، الگوریتم پیشنهادی سعی در شناسایی نودهای مرکزی دارد و در مرحله دوم با استفاده از وزن دهی بال ها بر مبنای معیار مشابهت در یک روال تکراری به ادغام میان نودهای مشابه می پردازد. فرآیند ادغام به صورت پایین به بالا تا رسیدن به یک اجتماع واحد از کل شبه ادامه می یابد. به منظور ارزیابی روش پیشنهادی، آزمایشات متعددی بر روی مجموعه داده های استاندارد شبکه های پیچیده صورت گرفته است. نتایج آزمایشات از لحاظ معیارهای ارزیابی ماژولاریتی و خلوص معیارهای مشابهت حاکی از برتری نسبی روش پیشنهادی است.
کشف اجتماعات با استفاده از شباهت یال در شبکه های پیچیده Keywords:
کشف اجتماعات با استفاده از شباهت یال در شبکه های پیچیده authors
محمد مهدی دلیری خمامی
دانشجوی کارشناسی ارشد، گروه مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران
علیرضا رضوانیان
آزمایشگاه محاسبات نرم، دانشگاه صنعتی امیرکبیر، تهران، ایران
محمدرضا میبدی
آزمایشگاه محاسبات نرم، دانشگاه صنعتی امیرکبیر، 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 :