CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه الگوریتم بهینه جهت شناسایی هم پوشانی جوامع در شبکه های اجتماعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۲۶ | نظرات: ۱
سال انتشار: ۱۳۹۵
کد COI مقاله: COMPUTER03_016
زبان مقاله: فارسی
حجم فایل: ۵۸۲.۶۹ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه الگوریتم بهینه جهت شناسایی هم پوشانی جوامع در شبکه های اجتماعی

  رویا محمدی - گروه کامپیوتر واحد میانه دانشگاه آزاد اسلامی میانه ایران
  محمدرضا ابراهیمی دیشابی - گروه کامپیوتر واحد میانه دانشگاه آزاد اسلامی میانه ایران

چکیده مقاله:

در هر محیطی(واقعی یا مجازی)، افراد دارای ویژگیهای مشترک را به عنوان یک جامعه میشناسیم. جوامع در شبکهها به منظور درک اصول سازماندهی و نظم ساختاری شبکه، ضروری هستند. جوامع در شبکههای اجتماعی به دو صورت جوامع همپوشان و مجزا تقسیم میشوند. در تشخیص جوامع مجزا همه جوامع کاملا جدا از هم میباشند اما در جوامع همپوشان یک فرد میتواند همزمان در چند جامعه عضو باشد. اخیرا موضوع تشخیص جوامع همپوشان با هدف کشف و شناسایی ویژگیهای شبکههای اجتماعی در زمینههای مختلف کانون توجه محققین قرار گرفته است. در این مقاله الگوریتمی دو مرحلهای مبتنی بر روش خوشهبندی سلسلهمراتبی با زمان اجرایی کم و دقت بالا پیشنهاد شده است. در مرحله اول، الگوریتم پیشنهادی با استفاده از معیار مرکزیت لبه سعی در شناسایی جوامع دارد و در مرحله دوم با استفاده از معیار مرکزیت گره به شناسایی جوامع همپوشان میپردازد که برای بهینه کردن آن از الگوریتم رقابت استعماری استفاده شده است. به منظور ارزیابی روش پیشنهادی، آزمایشات متعددی بر روی مجموعه دادههای استاندارد کلوپ کاراته زاخاری و شبکهی دلفینها و دو شبکه مصنوعی (LFR (با تعداد گرههای مختلف صورت گرفته است. نتایج آزمایشات از لحاظ معیارهای ارزیابی NMI ،Modularity ،score-Fو زمان اجرا حاکی از برتری نسبی روش پیشنهادی میباشد.

کلیدواژه‌ها:

شبکههای پیچیده، شبکههای اجتماعی، تشخیص جامعه، جوامع همپوشان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-COMPUTER03-COMPUTER03_016.html
کد COI مقاله: COMPUTER03_016

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمدی, رویا و محمدرضا ابراهیمی دیشابی، ۱۳۹۵، ارایه الگوریتم بهینه جهت شناسایی هم پوشانی جوامع در شبکه های اجتماعی، همایش ملی علوم و مهندسی کامپیوتر آینده پژوهشی-سرزمین پایدار، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-COMPUTER03-COMPUTER03_016.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (محمدی, رویا و محمدرضا ابراهیمی دیشابی، ۱۳۹۵)
برای بار دوم به بعد: (محمدی و ابراهیمی دیشابی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Palla, G., Derenyi, I., Farkas, I., Vicse, T., Uncovering the ...
  • Xie, J., Kelley, S., Szymanski, B., Overlapping community detection in ...
  • Tang, J., Wang, X, & Liu, H., Integrating social media ...
  • Rhouma , D. Ben Romdhane, 1 _ An efficient algorithm ...
  • Gregory, S., Finding overlapping communities in networks by label propagation, ...
  • Fortunato, S., Community detection in graphes, Physics Reports, 446, 35-134, ...
  • Yang, Y., Sun, P.G. HU, X.. Li, Z.., Closed walks ...
  • Yan, X., Zhaia, L, and Fan, W., C-fndex: A weighted ...
  • Qi, X., Fuller, E., WU, Q., WU, Y., Zhang, C.Q., ...
  • Newman, M.E... Girvan, M., Finding and evaluating community structure in ...
  • Blondel, V., Guillaume, J., Lambiotte, R., Lefebvre, E., Fast unfolding ...
  • Chen, D.B. Shang, M.S., Lv, Z.H., Fu, Y., Detecting overlapping ...
  • Rees, B.S., Gallagher, K.B., Overlapping community detection using a community ...
  • Lancichinetti, A.. Fortunato, S., Radicchi, F., Benchmark graphs for testing ...
  • تش‌پز گرگری، اسماعیل، توسعه الگوریتم بهینه نزی اجتماعی و بررسی ...
  • قسمتی، .، حسینی، م. ۱۳۹۴. مطالعه جوامع از با استفاده ... (مقاله کنفرانسی)
  • بسطامی، اسماعیل.، جوادزاده، محمدعلی، تحلیل مرکزیت شبکه‌های اجتماعی در فضای ... (مقاله ژورنالی)
  • علم سنجی و رتبه بندی مقاله

    4.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 1
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۴۳۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.