این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱۲، شماره ۳، صفحات ۵۸-۷۳
عنوان فارسی شناسایی جوامع کارا در شبکه‎های اجتماعی با استخراج فازی پیوندهای معنایی
چکیده فارسی مقاله استخراج جوامع، از موضوعات چالش­برانگیز و مهم در حوزه تحلیل شبکه‎های اجتماعی است. مکانیسم تشخیص جوامعی که به طور همزمان نیازهای توپولوژیکی و معنایی را برآورده سازد، اهمیت بیشتری پیدا کرده ‎است. اکثر مطالعات موجود بر روی ساختار شبکه، بدون توجه به ویژگی‎های معنایی، تمرکز دارند. حال اینکه، معنا و محتوای اجتماعی حاوی داده‎های ارزشمندی در مورد علایق، نگرانی‎ها و احساسات افراد است. راه‎حل‎های معنایی محض، منجر به از دست رفتن اطلاعات توپولوژیکی ارزشمند شبکه می‎شوند. روش‎های ادغامی موجود، ساختار و معنا را به صورت بنیادی و اساسی ترکیب نمی‎کنند. اغلب این الگوریتم‎ها به علت ماهیت طراحی، به یکی از روش‎های مذکور متمایل بوده و عملکرد محدودی دارند. در این مقاله یک روش مبتنی بر منطق فازی جهت شناسایی جوامع ارائه می‎شود. ابتدا معنا و ساختار در یک شبکه مشترک ترکیب و سپس جوامع استخراج می‎گردند. مجموعه‎ای از آزمایش‎های شبیه‎سازی جهت ارزیابی عملکرد روش پیشنهادی در مقایسه با سایر الگوریتم‎های موجود در سه زمینه ساختاری، معنایی و ادغامی با استفاده از مجموعه داده‎های مصنوعی و طبیعی در اندازه‌های مختلف گره‌ها، یال‎ها، ویژگی‌ها انجام شده‎است. نتایج حاصل نشان می‌دهند، روش پیشنهادی در رابطه با انسجام شبکه و ویژگی‌های گره‌ها به طور موثری عمل می‌کند.
کلیدواژه‌های فارسی مقاله شبکه‌های پیچیده پویا، تحلیل شبکه‌های اجتماعی، شناسایی جوامع، معنا، استنتاج فازی،
عنوان انگلیسی Discovering Effective Communities in Social Networks Using Fuzzy Semantic Relations Elicitation
چکیده انگلیسی مقاله Discovering Communities is a fundamental problem in understanding network performance for social network analysis. Traditional community detection methods merely consider the network topologies. Nonetheless, social media contains valuable data about people's interests, concerns, and sentiments, which is not reflected in the structure. The semantic solutions eventuate to the mislay of precious structural information. Most existing combinatorial methods favor one of the mentioned kinds and have limited performance. This paper introduces a 2-phase way based on fuzzy inferences to determine effective social network communities.  A series of real-life and synthetic networks have been used to evaluate the proposed method compared with several relevant algorithms. The experimental results proved that the proposed approach performs better in detecting meaningful communities and is more effective concerning network coherence and node attributes.
کلیدواژه‌های انگلیسی مقاله شبکه‌های پیچیده پویا, تحلیل شبکه‌های اجتماعی, شناسایی جوامع, معنا, استنتاج فازی
نویسندگان مقاله یاسر صدری |
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد شبستر، دانشگاه آزاد اسلامی، شبستر، ایران

سعید تقوی افشرد |
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد شبستر، دانشگاه آزاد اسلامی، شبستر، ایران

شهریار لطفی |
گروه علوم کامپیوتر، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه تبریز، تبریز، ایران.

وحید مجید نژاد |
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد شبستر، دانشگاه آزاد اسلامی، شبستر، ایران

نشانی اینترنتی https://jscit.nit.ac.ir/article_187037_b64cbda63ac55e183e46570f10ff70df.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات