مدلسازی شبکه اجتماعی سازمانی در بستر تلفن همراه با استفاده از شبکه باور بیزی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 596

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK02_010

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

یکی از مسائلی که در زمینه انواع شبکه های اجتماعی توجه محققان را بخود جلب نموده است شبکه های اجتماعی دربستر تلفن همراه می باشد که بواسطه وجود کانالهای ارتباطی متعدد، امکان استنتاج عمق روابط و در نهایت ایجادشبکه های اجتماعی با اهداف مختلف را فراهم می سازد. در این مقاله استنتاج بیزی برای پیش بینی روابط دوستی بینافراد یک سازمان بر اساس تعاملات آنها از طریق تلفن همراه و نیز وضعیت همکاری آنها بکار گرفته شده است تا بااستفاده از روابط کشف شده و شبکه اجتماعی سازمانی ایجاد شده بتوان شریان های مهم اطلاعاتی در سازمان راشناسایی نمود. برای ارزیابی کارایی مدل پیشنهادی، ما از جعبه ابزار GeNIe استفاده کردیم. نتایج نشان می دهد که استفاده از روش استنتاج بیزی و در نظر گرفتن عوامل موثر ارتباطی بر اساس ویژگی های هر فرد در تشکیل شبکه باور بیزی قابلیت خوبی در پیش بینی روابط داشته است.

کلیدواژه ها:

استنتاج بیزی ، شبکه اجتماعی تلفن همراه ، شبکه اجتماعی سازمانی

نویسندگان

نرگس ریاحی مشهدی

دانشگاه آزاد اسلامی واحد مشهد

مهرداد جلالی

دانشگاه آزاد اسلامی واحد مشهد

مجید وفایی جهان

دانشگاه آزاد اسلامی واحد مشهد

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 :
  • ع.اکبری, تحلیل شبکه روابط سازمانی در شرکت سورهمهر. ...
  • م.نکوئی, نقش تفاوت های فردی و ویژگی های شخصیتی کارکنان ...
  • K. Chen , H.V.p., R.Prasad, Mobile social network. Wireless C ...
  • N.Reyes Pavo, A.F., V. Luzo n, A Model for Parameter ...
  • Heckerman, D., A Tutorial on Learning With Bayesian Networks. TechReport ...
  • L. Campos, J.C., Bayesian network learning using structural restrictions. ...
  • Elsiver , International Jourmal of Approximate Reasoning, 2007. 45: p. ...
  • A. Hauser, P.B., Two optimal strategies for active learning of ...
  • _ Internati onalJournalo fApp roximateReas oning , 2014. 55(4): p. ...
  • A.Tonda, E.L., R. Reuillon, G. Squillero, P, Bayesian Network Structure ...
  • Learning from Limited Datasets through Graph Evolution. Vol. 7244. .2012 ...
  • F.Zheng , I.G., Tree Augmented Naive Bayes, in Encyclopedia of ...
  • N. Friedman, D.G., M. Goldszmidt Bayesian Network Classifiers. Machine Learning, ...
  • C. Yuan, M.D., An importance sampling algorithm based on evidence ...
  • in Proceedings of the Nineteenth 20 02, Morgan Kaufmann Publishers ...
  • J. Cheng, M.D., AIS-BN: an adaptive importance sampling algorithm for ...
  • Cheng, B., Using social network analyses _ investigate potential bias ...
  • Compa ra tive/Inte rnational Education. PhD Dissertation, Brigham Young University. ...
  • J.Han , L.G., W.Wang , J.Gehrke , O. Grossman, Community ...
  • نمایش کامل مراجع