تشخیص اجتماع مبتنی برموضوع گامی نوین درتحلیل شبکه های اجتماعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,409

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CESN01_021

تاریخ نمایه سازی: 29 دی 1392

چکیده مقاله:

یکی ازمهمترین مباحث درزمینه تحلیل شبکه های اجتماعی مبحث تشخیص اجتماعی می باشد دراین مقاله ازمیان رویکردهایه مختلفی که درپژوهشهای علمی گوناگون به منظور تشخیص اجتماع پیشنهادشده اند دورویکردمهم بررسی میشود رویکرداول تشخیص اجتماع موضوعی نامیده میشود رویکرددوم دراین مقاله تشخیص اجتماع با رویکردترکیبی نامیده میشود به منظور تشخیص دقیقتراجتماعات رویکرددوم فرایند انجام شده دررویکردهای تشخیص اجتماع موضوعی و تشخیص اجتماع ساختاری که دراین مقله بررسی نمی شود راباهم ترکیب می کند و به عمل تشخیص اجتماع می پردازد نتیجه ای که با بررسی رویکرداول و همچنین درنظر گرفتن رویکردتشیخص اجتماعی ساختاری حاصل میشود این است که اجتماعات شناسایی شده توسط روشهای اجتماع ساختاری اغلب شامل زیراجتماعاتی هستند که به لحاظ موضوعی متنوعند و ازطرف دیگر اجتماعات شناسایی شده توسط روشهای تشخیص اجتماع موضوعی اغلب شامل زیراجتماعاتی هستند که به لحاظ ساختاری متنوعند این موضوع لزوم وجود رویکردترکیبی را اثبات می کند اجتماعاتی که با بکارگیری این رویکردشناسایی میشوند نسبت به اجتماعات شناسایی شده توسط رویکردهای موضوعی و ساختاری بامعناترند زیرا اعضای این اجتماعات هم به لحاظ ساختاری بصورت تنگاتنگ به یکدیگرمتصلند و هم دارای علایق موضوعی یکسان می باشند

کلیدواژه ها:

شبکه اجتماعی ، اجتماع ، تشخیص اجتماع موضوعی ، تشخیص اجتماع با رویکردترکیبی

نویسندگان

علی ریحانیان

دانشگاه علوم و فنون مازندران بابل ایران

حسین علیزاده

دانشگاه علم وصنعت ایران

بهروز مینایی

دانشگاه علم و صنعت ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Zhao, Z., et al., Topic oriented community detection through social ...
  • Lancichinetti, A. and S. Fortunato, Consensus clustering in complex netvorks, ...
  • Hosseinzadeh R., Alizadeh H., Nazemi E, Community Detection Ensemble in ...
  • Ding, Y., Community detection: topological vs. topical, Joumal of Informetrics, ...
  • Easley, D. and J. Kleinberg, Networks, crowds, and markets, Vol. ...
  • Leskovec, J., K.J. Lang, and M. Mahoney. Empirical comparison of ...
  • Newman, M. Communities, modules and large-scale structure in networks, Nature ...
  • Porter, M.A., J.-P. Omnela, and P.J. Mucha, Communities in netvorks, ...
  • Fortunato, S., Community detection in graphs. Physics Reports, 2010. 486(3): ...
  • Newman, M.E., Detecting community structure in networks, The European Physical ...
  • White, H.D. and K.W. McCain, Visualizing a discipline: An author ...
  • Ding, Y., et al., Bibliometric Information Retrieval System (BIRS): A ...
  • Deerwester, S., et al., Indexing by latent semantic analysis, Journal ...
  • Hofmann, T. Probabilistic latent semantic indexing, in Proceedings of the ...
  • Blei, D.M., A.Y. Ng, and M.I. Jordan, Latent dirichlet allocation, ...
  • Blei, D.M., T.L. Griffiths, and M.I. Jordan, The nested chinese ...
  • Rosen-Zvi, M., et al. _ author-topic model for authors and ...
  • Nguyen, T., et al. Hyper- community detection in the blogosphere, ...
  • Tang, J., et al. ArnetMiner: extraction and mining of academic ...
  • discovery and data mining. 2008. ACM. ...
  • Mimmo, D., H. Wallach, and A. McCallum. Commun ity-based Link ...
  • Gruhl, D., et al. Information diffusion through blogspace, in Proceedings ...
  • Zhou, D., et al. Topic evolution and social interaction. how ...
  • Zhou, D., et al. Probbilistic models for discovering e-communities, in ...
  • Li, D., et al. Commun ity-based topic modeling for social ...
  • نمایش کامل مراجع