تحلیلی بر روشهای تشخیص همبستگی های همپوشان در شبکه های اجتماعی
محل انتشار: اولین کنفرانس بین المللی وب پژوهی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,244
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRANWEB01_036
تاریخ نمایه سازی: 29 شهریور 1394
چکیده مقاله:
گراف ها نقش مهمی را در سیستم های پیچیده ایفا می کنند از شبکه های کامپیوتری گرفته تا حوزه های بیولوژی و جامعه شناسی، درواقع هر رابطه M:N در اصطلاح پایگاه دادهای می تواند به عنوان گراف ارائه شود. با توجه به محبوبیت و گسترش روز افزونشبکه های اجتماعی آنلاین، تجزیه و تحلیل آنها مورد توجه بسیاری از پژوهشگران در حوزه های مختلف علمی قرار گرفته است اعماز جامعه شناسی، بازاریابی و غیره. در این تحقیق ابتدا گراف کاوی در حوزه های مختلف نرم افزار، تصویر، سبد کالا و... بررسی وگراف کاوی در شبکه های اجتماعی انتخاب شده است. سپس روشهای مطرح شده در حوزه های مختلف گراف کاوی شبکه هایاجتماعی شامل شناسایی میزان نفوذ پذیری، مدل ها، متریک ها و پویایی ها، شناخت روابط و تعاملات گروهی، انتشار اطلاعات،روش های مختلف تشخیص همبستگی ها در گراف کاوی در نظر گرفته شده است.شبکه های اجتماعی شامل چندین همبستگی می باشند که هر همبستگی با مجموعه ای از نودهایی تعریف می شود که ارتباطات درداخل همبستگی فشرده تر از همبستگی های دیگر میباشد. روش های متفاوتی در این زمینه ارائه شده اند اما آنچه حائز اهمیت استنادیده گرفتن همپوشانی همبستگی های می باشد. هدف از ارائه این مقاله، تحلیل روش های مطرح شده در حوزه تشخیصهمبستگی های همپوشان می باشد. یکی از مشکلات این الگوریتم ها پیچیدگی زمانی آنهاست که در گراف هایی با مقیاس بزرگ نمودپیدا می کند. با توجه به اینکه برای گراف کاوی از ماتریس مجاورتی استفاده می شود بنابراین نمی توان به زمان کمتر از ((O(n(2)) دستیافت. اگرچه با ظهور الگوریتم های معنایی شاید بتوان تا حدودی این زمان را تقلیل داد.
کلیدواژه ها:
نویسندگان
معصومه زجاجی
دانشجوی دکترا، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد میبد، میبد
محمدجواد کارگر
استادیار، گروه کامپیوتر، دانشگاه علم و فرهنگ، تهران
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 :