بازیابی و تحلیل خصوصیات شهرهای مختلف در شبکه های اجتماعی مبتنی بر مکان با استفاده از الگوریتم جستجویهارمونی

با افزایش محبوبیت شبکه های اجتماعی مبتنی بر مکان و د ستر سی به ردپای دیجیتالی کاربران، یک فر صت مطالعاتی و سیع برای تحلیلرفتار مردم شهرهای مختلف فراهم شده ا ست. ساختار گروهها در شبکه های اجتماعی یکی از مهمترین مشخصات آنها ست. برخلاف سایرشبکه های اجتماعی که گروه ها بطور صریح برای عضویت مشخص هستند، در LBSN ها، گروه ها تعریف دقیقی ندارند. با توجه به جذابیتبررسی رفتار گروهی کاربران، کشف انجمن در LBSN ها، توجه بسیاری از محققان را به خود جلب کرده است. در این مقاله یک چارچوبهوشممند برای کشمف انجمن های همپوشما در LBSN ها بر مبنای بازدیدهای انجام شمده توسمک کاربران و ویژگی های محله ای بازدید وکاربران، ارائه می شود. همچنین خوشه بندی بر روی یال های دوق سمتی انجام شده که شامل کاربران و محل های بازدید ه ستند. سپس هرانجمن با استفاده از فراداده کاربران و محل های بازدید، پروفایل شده و در گام بعد مشخصات شهرها استخراج می شوند. تمرکز این مقاله برروی داده های به دسمت آمده از شبکه Foursquare می باشد. مزیت رویکرد پیشنهادی، استفاده از الگوریتم فرامکاشمفه ای جستجویهارمونی با هدف تعیین هوشمند مراکز خوشه ها است.

Keywords:

الگوریتم جستجوی هارمونی , انجمن های همپوشا , پروفایل انجمن , خصوصیات شهرها , شبکه های اجتماعی مبتنی بر مکان