این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۱۳، شماره ۳، صفحات ۸۷-۱۰۰
عنوان فارسی یک الگوریتم تقریب برای بیشینه‌سازی ماژولاریتی به‌وسیلۀ تخمین حوزه نفوذ
چکیده فارسی مقاله با رشد شبکه‌های اجتماعی، این شبکه‌ها هر روز بزرگ و بزرگ‌تر می‌شوند و تحلیل آنها به‌مراتب پیچید‌ه‌تر می‌شود. برای سادگی تحلیل شبکه‌های اجتماعی می‌توان آنها را به مجموعه‌ای از اجتماعات مختلف تقسیم کرد. این کار، تحلیلگران و کارشناسان را در درک رفتار و عملکرد اینگونه شبکه‌ها یاری می‌دهد. روش‌های مختلفی برای تشخیص اجتماعات در شبکه‌ها ارائه شده‌اند. بیشینه‌سازی ماژولاریتی، یکی از روش‌های مدرن و مناسب برای تشخیص اجتماع است. بیشینه‌سازی ماژولاریتی یک مسئله NP-hard است؛ به این معنی که هیچ الگوریتم چندجمله‌ای برای حل این مسئله وجود ندارد؛ مگر اینکه P=NP باشد. یک دسته از روش‌ها برای حل اینگونه مسائل، الگوریتم‌های تقریب است. شناسایی گرههای پرنفوذ، کاربردهای زیادی در شبکه‌های اجتماعی دارد. این روش می‌تواند برای تشخیص اجتماع نیز به‌کار رود. در این مقاله، الگوریتم‌های تقریبی برای بیشینه‌سازی ماژولاریتی براساس شناسایی گرههای پرنفوذ و دامنۀ نفوذشان پیشنهاد می‌شود. همچنین، از مفاهیم شبکه‌های مستقل از مقیاس برای اثبات نرخ تقریب استفاده می‌شود. آزمایش‌ها روی شبکه‌های واقعی نشان می‌دهند الگوریتم پیشنهادی قابل رقابت با روش‌های مدرن تشخیص اجتماع است.
کلیدواژه‌های فارسی مقاله الگوریتم تقریب، تشخیص اجتماع، چارچوب نمونه‌گیری نفوذ معکوس (RIS)، شبکه‌های اجتماعی، گرههای پرنفوذ، ماژولاریتی،
عنوان انگلیسی An approximate algorithm for maximizing modularity by estimating the domain of influence
چکیده انگلیسی مقاله As social networks grow, they become more and more complex and analyzing them becomes complicated. One way to reduce this complexity is to divide the network into subnets, which are also called communities. Dividing social networks into desirable communities can help the analysts and experts to understand the behavior and function of the networks. Community detection in networks is a challenging topic in network science and various methods have been proposed for that. Modularity maximization is one of the state-of-the-art methods suggested for community detection. Modularity maximization is an NP-hard problem meaning that no polynomial-time algorithm exists that could solve the problem optimally unless P=NP. One group of approaches that could solve such problems is the approximate algorithms. Identifying the influential nodes has many important applications in social networks. This technique could also be used in community detection. To maximize the modularity, in this paper, we propose approximate algorithms based on identifying the influential nodes and their influence domain. We used the concept of scale-free networks to prove the approximate factor. Experiments on real-world networks show that the proposed algorithm can compete with the state-of-the-art methods of community detection algorithms.
کلیدواژه‌های انگلیسی مقاله الگوریتم تقریب, تشخیص اجتماع, چارچوب نمونه‌گیری نفوذ معکوس (RIS), شبکه‌های اجتماعی, گرههای پرنفوذ, ماژولاریتی
نویسندگان مقاله سیف اله سلیمانی |
استادیار، گروه مهندسی کامپیوتر- دانشکده مهندسی - دانشگاه اراک- اراک- ایران

روح الله جوادپور بروجنی |
دانشجوی دکتری، گروه مهندسی کامپیوتر- دانشکده مهندسی-دانشگاه اراک- اراک-ایران

نشانی اینترنتی https://isee.ui.ac.ir/article_25856_ab9d50db732166f473b9918d5624c22c.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