بهینه سازی جوامع هم پوشان در شبکه های اجتماعی با استفاده از رویکرد داده کاوی بصری
Publish place: دومین کنفرانس بین المللی مدیریت و فناوری اطلاعات و ارتباطات
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 768
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICTMNGT02_002
Index date: 12 November 2016
بهینه سازی جوامع هم پوشان در شبکه های اجتماعی با استفاده از رویکرد داده کاوی بصری abstract
یکی - از مهمترین ویژگی های شبکه های امروزی وجود ساختارهای اجتماعی می باشد.همچنین از مساله های مهم در شبکه های اجتماعی شناسایی جامعه می باشد. بطور مشخص شناسایی این ساختارها درشبکه های پیچیده به تحلیل ویژگی های ساختاری شبکه کمک می کند . در سال های اخیر الگوریتم های متعددی برای کشف اجتماعات درشبکه های پیچیده پیشنهاد شده است . با توجه به ویژگی های این اجتماعات، یکی از روش های موجود برای شناسایی اجتماعات ارائه الگوریتم هایی بر مبنای استفاده از تکنیک های داده کاوی می باشد . جامعه زیرگرافی از یک گراف است که تعداد ارتباطات بین اعضای آن زیر گراف نسبت به تعداد ارتباطاتی که آنها را به بقیه گراف متصل می کند بیشتر است. روش های قبلی معمولا اطلاعات کاربران و همبستگی و یا پرت بودن را به عنوان پارامتر ورودی نیاز داشتند.در این مقاله ما رویکردی برای انتخاب پارامتر مناسب بوسیله مشاهده تصویری داده های اولیه ارائه داده و سپس در یک شبکه همپوشانی جوامع را استخراج و پیدا خواهیم کرد. 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 ماژولار و خلوص و معیارهای مشابهت حاکی از برتری نسبی روش پیشنهادی است
بهینه سازی جوامع هم پوشان در شبکه های اجتماعی با استفاده از رویکرد داده کاوی بصری Keywords:
بهینه سازی جوامع هم پوشان در شبکه های اجتماعی با استفاده از رویکرد داده کاوی بصری authors
احمد رضا زاده مقدم
مدرس دانشگاه،کارشناس ارشد کامپیوتر
حسین عطایی خباز
دانشجوی کارشناسی کامپیوتر دانشگاه عالی تربت حیدریه
سید احسان یثربی نائینی
مربی گروه کامپیوتر دانشگاه تربت حیدریه
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 :