شبکه های اجتماعی و روشهای استخراج جوامع در آنها

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,005

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCSE01_025

تاریخ نمایه سازی: 9 بهمن 1392

چکیده مقاله:

دنیای رو به رشد شبکه های اجتماعی آنلاین، محیط اینترنت را به یک فضای تعاملی- رقابتی تبدیل کرده است، سایتهای اجتماعی با رشد نمایی کاربران خ ود در صدد هستند تا نرم افزارها و مؤلفه های خود را مطابقه با سلایق کاربران بهنگام سازند، از طرفی شرکتهای بازرگانی نیز می توانند به بزرگترین اجتماعات انسانی، کالا و خدمات خود را ارائه دهند. شناسایی افراد و همچنین دسته بندی تمایلات آنها بدون استفاده از علوم کامپیوتری امری ناممکن می باشد، در شبکه های اجتماعی، جوامعی به صورت پنهان وجود دارند که با استفاده از تکنیک های استخراج جوامع شناسایی می شوند. پس از استخراج جوامع می توان هر گروه را متناسب با ویژگی هایش به صورت جزئی تر تحلیل نمود. استفاده از روشهای صحیح استخراج جوامع بیش از آن که از نظر صحت علمی مورد بحث قرار گرفته باشد به لحاظ شناخته شدن نام آن تکنیک ها مورد استفاده قرار می گیرند، به همین دلیل آشنایی با ذات و ماهیت هر روش می تواند تحلیلگران را به انتخاب بهترین مدل متناسب با بزرگی و پیچیدگی شبکه راهنمایی کند. در این مقاله با توجه به این امر به چگونگی ایجاد شبکه های اجتماعی واقعی می پردازیم. انواع ابزارهای متداول ایجاد شبکه معرفی می شوند، سپس انواع تکنیک های استخراج جوامع، مورد بررسی قرار می گیرند. بیان مشروح تعاریف آنها، چالش ها و راهکارهای موجود برای بهبود نقاط ضعف هر روش نیز بیان گردیده اند.

نویسندگان

مهرآفرین آدمی دهکردی

دانشگاه آزاد اسلامی واحد نجف آباد

محمدحسین ندیمی

دانشگاه آزاد اسلامی واحد نجف آباد

رضا قائمی

دانشگاه آزاد اسلامی واحد قوچان

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 :
  • Charu C. Aggarwal _ "Social Network Data Analytics" , springer, ...
  • Anil K. Jain , "Data clustering: 50 years beyond K-means", ...
  • A. Clauset, M.E..J. Newman, and C.Moore, "Finding community structure in ...
  • Santo Fortunato _ "Community detection in graphs, Physics Reports, Elsevier ...
  • M. Girvan and M E. J. Newman, "Community structure in ...
  • Derek Greene; Padraig Cunningham , "Multi-View Clustering for Mining Heterogeneous ...
  • B. W. Kernighan and S. Lin, _ An efficient heuristic ...
  • Ravi Kumar Jasmine Novak Andrew, "Structure and Evolution of Online ...
  • Yutaka M atsuo, Junichiro Mori, Masahiro Hamasaki, Takuichi Nishimura, Hideaki ...
  • M. E. J. Newman, "Detecting community structure in networks" , ...
  • S. Papadopoulos, Y .Kompatsiaris, A. Vakali , P. Spyridonos , ...
  • Lei Tang, Xufei Wang and Huan Liu _ "Community detection ...
  • J. R. Tyler, D. M. Wilkinson, and B. A. Huberman, ...
  • Christo Wilson Bryce Boe , Alessandra Sala , Krishna P.N. ...
  • [Yu-Ru Lin 2010] Yu-Ru Lin, _ Sundaram, A. Kelliher, _ ...
  • W. W. Zachary, _ information flow model for conflicted fission ...
  • Cvb er- infrastructure for Inauiring Knowledge Networks on the Web. ...
  • https://sites. goo gle. com/s ite/uc in e tsoftware/home ...
  • https ://sites _ google. com/s ite/s antofortunatof inthepress2 ...
  • [pajek] http :/pajek. imfm. _ i/doku .php?id=paj ek ...
  • Karger, David R. "Minimum cus in near-linear time." Journal of ...
  • Shen, Hua-Wei, and Xue-Qi Cheng. "Spectral methods for the detection ...
  • Zhou, Ding, Eren Manavoglu, Jia Li, C. Lee Giles, and ...
  • Henderson, Keith, Tina Eliassi-Rad, Spiros Papadimitriou, and Christos Faloutsos. "HCDF: ...
  • Palla, Gergely, Imre Derenyi, Illes Farkas, and Tamas Vicsek. "Uncovering ...
  • نمایش کامل مراجع