تشخیص جوامع در شبکه های اجتماعی با ترکیب الگوریتم ICA و ضریب خوشه بندی
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,461
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICTCK02_135
Index date: 29 October 2016
تشخیص جوامع در شبکه های اجتماعی با ترکیب الگوریتم ICA و ضریب خوشه بندی abstract
مسئله تشخیص جوامع از مسائل مهم در بسیاری از زمینه ها مثل شبکه های کامپیوتری، سیستم های توصیه گر وشبکه های بی سیم است و لذا محققان زیادی از رشته های مختلف، تحقیقات متنوعی را پیرامون آن انجام داده اند. درروش پیشنهادی قصد داریم ابتدا معایب الگوریتم رقابت استعماری را با استفاده از عملگرهای اصلی الگوریتم ژنتیکرفع کنیم و سپس با ترکیب الگوریتم رقابت استعماری با ضریب خوشه بندی و گشت بسته دقت تشخیص جامعه را درشبکه های اجتماعی نسبت به روشهای قبلی بالا ببریم. برای این منظور در الگوریتم رقابت استعماری از عملگر برشدر هنگام حرکت مستعمره ها به سمت استعمارگر و از عملگر جهش برای انتخاب یکی از کشورها به صورت تصادفیاستفاده کرده و همچنین برای تعیین استعمارگرها و محاسبه هزینه کل امپراتوری از ضریب خوشه بندی و گشت بستهاستفاده می کنیم. برای ارزیابی روش پیشنهادی از دو معیار اطلاعات متقابل هنجارسازی شده و پیمانه استفاده شدهاست؛ همچنین مقایسه ها را بر روی دو مجموعه داده یوتیوب و فیسبوک انجام داده ایم. نتایج نشان میدهد روش پیشنهادی از نظر معیار اطلاعات متقابل هنجارسازی شده بر روی مجموعه داده یوتیوب، در مقایسه با روش Fast Greedy به میزان 0.41 درصد و بر روی مجموعه داده فیسبوک در مقایسه با روش GCE به میزان 0.37 درصد بهبود داشته است؛ همچنین روش پیشنهادی از نظر معیار پیمانه بر روی مجموعه داده یوتیوب، در مقایسه با روش DDA-M1 به میزان 0.11 درصد و بر روی مجموعه داده فیسبوک در مقایسه با روش DDA-M2 به میزان 0.24 درصد بهبود داشته است. به طور کلی روش پیشنهادی، تشخیص جامعه را نسبت به روشهای دیگر بهبود بیشتری می دهد.
تشخیص جوامع در شبکه های اجتماعی با ترکیب الگوریتم ICA و ضریب خوشه بندی Keywords:
تشخیص جوامع در شبکه های اجتماعی با ترکیب الگوریتم ICA و ضریب خوشه بندی authors
فاطمه ترشیزی نژاد
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مهرداد جلالی
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
داود بهره پور
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، 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 :