روشی جهت تشخیص جوامع در شبکه های اجتماعی مبتنی بر الگوریتم رقابت استعماری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,043

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK02_077

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

در دهه فعلی، شبکه های اجتماعی با رشد روز افزونی در حال توسعه هستند. یکی از ویژگی های بسیار مهم در شبکه هایاجتماعی وجود جوامع در آنها است. در روش پیشنهادی قصد داریم الگوریتم رقابت استعماری را با ضریب خوشه بندیو گشت بسته ترکیب کنیم تا دقت تشخیص جامعه را در شبکه های اجتماعی نسبت به روشهای قبلی بالا ببریم. برایاین منظور در الگوریتم رقابت استعماری برای تعیین استعمارگرها و همچنین در هنگام محاسبه هزینه کل امپراتوری ازضریب خوشه بندی و گشت بسته استفاده می کنیم. برای ارزیابی روش پیشنهادی از دو معیار اطلاعات متقابلهنجارسازی شده و پیمانه استفاده شده است؛ همچنین مقایسه ها را بر روی دو مجموعه داده یوتیوب و فیسبوک انجامداده ایم. نتایج نشان می دهد روش پیشنهادی از نظر معیار اطلاعات متقابل هنجارسازی شده بر روی مجموعه دادهیوتیوب، در مقایسه با روش Walktrap به میزان 0.065 درصد و بر روی مجموعه داده فیسبوک در مقایسه با روش COPRA به میزان 0.028 درصد بهبود داشته است. به طور کلی روش پیشنهادی، تشخیص جامعه را نسبت به روش های دیگر بهبود بیشتری می دهد.

نویسندگان

فاطمه ترشیزی نژاد

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مهرداد جلالی

گروه نرم افزار کامپیوتر، دانشگاه آزاد اسلامی، مشهد، ایران

داود بهره پور

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :
  • C. Aggarwal, _ Introduction to Social Network Dat Analytics, " ...
  • X. Qi, W. Tang, Y. Wu, G. Guo, E. Fuller ...
  • _ Subelj ad M. Baje, "Group detection in and ...
  • comparison of the state of the art, Physica A: Statistical ...
  • P. De Meo, E. Ferrara, G. Fiumara and A. Provetti, ...
  • Information Sciences, Vol. 222, pp. 648-668, 2013. ...
  • X. Huang, H. Cheng and J.X. Yu, :Dense multi -valued ...
  • attributed networks, " Information Sciences, Vol. 314, pp. 77-99, 2015. ...
  • J. He and D. Chen, _ algorithm for community detection ...
  • P. Zhao and C.-Q. Zhang, _ new clustering method and ...
  • A.K. Jain, :Data clustering: 50 years beyond K-means, " Pattern ...
  • D. Zhou, E. Manavoglu, J. Li, C.L. Giles and H. ...
  • Y. Yang, P.G. Sun, X. Hu and Z.J. Li, :Closed ...
  • E. Atashpaz Gargari, F. Hashemzadeh, R. Rajabioun and C. Lucas, ...
  • algorithm for optimization inspired by imperialistic competition, in: Evolutionary computation, ...
  • E. Atashp az-Gargari _ F. Hashemzadeh and C. Lucas, "Designing ...
  • Evolutionary Computation, CEC 2008. (IEEE Computational ...
  • Intellience). IEEE Congress on, IEEE, pp. 1929-1934, 2008. ...
  • indentation test, " International Journal of Engineering Simulation, Vol. 10, ...
  • P.G. Sun, "Community detection by fuzzy clustering, ; Physica A: ...
  • "Clustering and community detection in directed networks: A survey, ; ...
  • S. Harenberg, G. Bello, L. Gjeltema, S. Harlalka, ...
  • Padmanabhar and N. Samatova, :Community detection in large-scale networks: a ...
  • C. Lee, F. Reid, A. McDaid and N. Hurley, "Detecting ...
  • Y.I. Leo- Suematsu and K. Yuta, "Framework for fast identification ...
  • V. da Fonseca Vieira and A.G. Evsukoff, :A comparison of ...
  • P. De Meo, E. Ferrara, G. Fiumara and A. Provetti, ...
  • Z. Wu, Y. Lin, H. Wan, S. Tian and K. ...
  • نمایش کامل مراجع