.
خانه ژورنال دانشجویان ایران (Iranian Students Article House)
.
عنوان فارسی مقاله : تشخیص جامعه با استفاده از گره‌های مرزی در شبکه‌های پیچیده
.
English Article Title: Community detection using boundary nodes in complex networks
Year: 2019
Publisher: ELSEVIER
Journal: Physica A
DOI: doi.org/10.1016/j.physa.2018.09.044

Keywords:

#Complex_networks
#Community_detection
#Local_algorithms
#Label_propagation
#Boundary_nodes
#Common_neighbors
#Computer_Science
#Engineering
#Physical_Sciences_and_Engineering
#علوم_پایه_و_فنی_مهندسی
#مقاله_کامپیوتر
#مقاله_مهندسی
#مقاله_مهندسی_کامپیوتر
#شبکه_هاي_پيچيده
#شناسايي_اجتماعي
#الگوريتم_هاي_محل
#انتشار_برچسب_ها
#گره_هاي_مرزي
#همسايگان_مشترك

چکیده مقاله: ما یک الگوریتم شناسایی محلی جدید را پیشنهاد می‌کنیم که جوامع را با شناسایی خطوط مرزی بین آن‌ها با استفاده از گره‌های مرزی می‌یابد.روش ما انتشار برچسب برای تشخیص جامعه است، که در آن نودها براساس بیشترین ((امتیاز سودمند)) که توسط همسایگان مشترک به عنوان یک الگو برای جوامع خود به نمایش گذاشته می‌شوند، تصمیم می‌گیرند.ما معیارهای متفاوتی را امتحان می‌کنیم و دریافتیم که استفاده از تعداد همسایه‌های عادی به عنوان امتیاز سودمندی، منجر به تصمیمات بهتر برای ساختار جامعه می‌شود.الگوریتم پیشنهادی یک رویکرد محلی دارد و تنها بر روی گره‌های مرزی در طول تکرارهای تکثیر برچسب تمرکز می‌کند، که گام‌های غیرضروری را حذف می‌کند و زمان اجرای کلی را کوتاه می‌کند.این مجموعه جوامع کوچک و همچنین سازمان‌های بزرگ را حفظ می‌کند و می‌تواند از لحاظ کیفیت جوامع شناسایی‌شده، به ویژه زمانی که ساختار جامعه دقیق باشد، بهتر از سایر الگوریتم‌ها عمل کند.این الگوریتم ماهیتی توزیعی دارد و می‌تواند در شبکه‌های بزرگ به شکلی موازی مورد استفاده قرار گیرد.

کلمات کلیدی: شبکه هاي پيچيده ، شناسايي اجتماعي ، الگوريتم هاي محل ، انتشار برچسب ها، گره هاي مرزي ، همسايگان مشترك

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2YDXSlE

عنوان فارسی مقاله : GA CC-: الگوریتم ژنتیک براساس ضریب خوشه‌بندی برای تشخیص جوامع در شبکه‌های اجتماعی
.
English Article Title: CC-GA: A clustering coefficient based genetic algorithm for detecting communities in social networks
Year: 2018
Publisher: ELSEVIER
Journal: Applied Soft Computing
DOI: https://doi.org/10.1016/j.asoc.2017.11.014

Keywords:
#Community_detection
#Graph_clustering
#Genetic_algorithm
#Artificial_intelligence
#Social_network_analysis
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#تشخیص_جامعه
#خوشه_بندی_نمودار
#الگوریتم_ژنتیک
#هوش_مصنوعی
#تجزیه_و_تحلیل_شبکه_های_اجتماعی

چکیده مقاله: ساختار اجتماع، بخش لاینفک شبکه اجتماعی می‌باشد. تشخیص این اجتماعات، نقش مهمی در دامنه وسیعی از برنامه‌های کاربردی که شامل تحلیل خوشه، سیستم‌های توصیه و شناخت رفتار سیستم‌های پیچیده می‌باشد اما به آنها محدود نمی‌شود. محققان، الگوریتم‌های بسیاری را برای کشف ساختارهای اجتماعی شبکه‌ها بیان نموده‌اند. کشف جوامع، کاری چالش برانگیز است و هیچ الگوریتم منفردی وجود ندارد که بهترین نتایج را برای کلیه شبکه‌ها ارائه دهد. بنابراین علاوه بر راه‌حل‌های ظریف، کشف جوامع، حوزه تحقیق فعالی می‌باشد. در این مقاله، الگوریتم جدیدی به نام الگوریتم ژنتیک براساس ضریب خوشه‌بندی (CC – GA) برای تشخیص آنها در شبکه‌های اجتماعی و پیچیده مطرح می‌شود. محققان از چند الگوریتم ژنتیک برای تشخیص اجتماعات استفاده نموده‌اند اما الگوریتم پیشنهاد برحسب گسترش جمعیت اولیه و روش جهش، جدید می‌باشد و این موارد سبب بهبود کارایی و صحت آن می‌شود.
آزمایشات مربوط به مجموعه داده‌های جهان واقعی و مقایسه الگوریتم‌های پیشرفته مبنی بر ژنتیک و غیر ژنتیک، نتایج بهبود یافته‌ای را نشان می‌دهد.
کلمات کلیدی : تشخیص جامعه، خوشه بندی نمودار، الگوریتم ژنتیک، هوش مصنوعی، تجزیه و تحلیل شبکه های اجتماعی

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/3fx2TEu