بررسی تشخیص انجمن‌ها در شبکه‌های اجتماعی

بررسی تشخیص انجمن‌ها در شبکه‌های اجتماعی

شبکه های اجتماعی

community detection on social networks

در این پست داکیومنت بررسی تشخیص انجمن‌ها در شبکه‌های اجتماعی را تهیه کرده ایم. این داکیومنت در 35 صفحه در قالب Word می باشد. این اثر مناسب برای داکیومنت نویسی، سمینار و تحقیق کلاسی در شبکه های اجتماعی است. در ادامه قسمت هایی از مقدمه فهرست مطالب و مراجع را قرار داده ایم.

مقدمه

شبکه اجتماعی SN می‌تواند به صورت یک گراف (G= (V,E مدل سازی شود که در آن V مجموعه اشیا هستند که راس و یا گره نامیده می‌شوند.  E مجموعه لینک‌هایی می‌باشد که یال نامیده می‌شوند. این یال‌ها دو عضو از مجموعه رئوس را به متصل می‌کنند. یک انجمن(یا یک خوشه)، یک گروهی از رئوس می‌باشد، به طوری که در داخل هر گروه، چگالی یال‌ها بالا می‌باشد، و در بین گروه‌ها چگالی یال‌ها پایین می‌باشد. در اینجا ما فرض می‌کنیم که شبکه به صورت ساده ترین شکل، بدون جهت و بدون وزن می‌باشد.

مساله تشخیص k انجمن در داخل یک شبکه، با نامعلوم بودن مقدار k، می‌تواند به صورت مساله پارتیشن بندی گره‌ها در داخل k زیر مجموعه تعریف شود، به طوری که گره‌های داخل هر پارتیشن، بیشترشان به هم متصل هستند و گره‌های بین پارتیشن‌ها به صورت خلوت به هم متصل هستند. بسیاری از مسائل مختلف از محاسبات علمی بزرگ [1,2]VLSI ، محاسبات علمی مقیاس- بزرگ[3,4]، تعادل بار برای محاسبات توزیع شده[5,6] و تقسیم بندی تصویر[7] تا تحلیل شبکه‌های پیچیده مثل تحلیل شبکه‌های اجتماعی [8]، تحلیل شبکه‌های زیستی [9] و خوشه بندی صفحات اینترنتی هستند[10] که می‌توانند به مساله پیدا کردن انجمن تبدیل شوند.

انجمن‌ها در برنامه‌ها و کاربردهای مختلف ممکن است مفاهیم و اهداف متفاوتی را ایجاد کند. برای مثال انجمن در یک مدار VLSI می‌تواند مجموعه واحدهای الکترونیکی خیلی نزدیک باشد، یا مجموعه‌ای از فرآیندهایی که بیشتر با یکدیگر در ارتباط هستند، یا بخش‌های یک تصویر، مجموعه‌ای از افراد که با هم بیشتر ارتباط هستند و علایق یکسانی دارند، یا کلاسی از صفحات که موضوعشان یکسان است و یا گروهی از پروتیین‌هایی که عملکرد یکسانی دارند. تشخیص الگوهای مخفی شبکه‌ها به ما کمک می‌کند که شناخت بهتری از ساختار شبکه داشته باشیم و استفاده بهینه‌ای از آن داشته باشیم.

فهرست مطالب

مقدمه

روش‌های تشخیص انجمن‌ها

روش‌های مبتنی بر بهینه سازی

تقسیم دو بخشی طیفی

الگوریتم کرنیگهان – لین

الگوریتم سریع نیومن و گیرون

الگوریتم گیرمرا و آمارال

الگوریتم لواوین

الگوریتم‌های ابتکاری

الگوریتم فلیک

الگوریتم گیرون و نیومن

الگوریتم تیلر و همکاران

الگوریتم رادیچی و همکاران

الگوریتم وو و هابرمن

الگوریتم نفوذ کلیک

روش‌های دیگر

روش‌های مبتنی بر الگوریتم ژنتیک

روش‌ها جدید و نوین

مراجع

برخی از مراجع

1) Yang, Bo, Dayou Liu, and Jiming Liu. “Discovering communities from social networks: methodologies and applications.” Handbook of social network technologies and applications. Springer US, 2010. 331-346.

2) Vincent D Blondel, Jean-Loup Guillaume, Renaud Lambiotte, and Etienne Lefebvre . Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, 2008(10):P10008, October 2008.

3) W.Y. Chen, D. Zhang, E.Y. Chang, Combinational collaborative filtering for personalized community recommendation, Proc. of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Ming (KDD’08), 2008.

3) Newman, Mark EJ. “Detecting community structure in networks.” The European Physical Journal B-Condensed Matter and Complex Systems 38.2 (2004): 321-330.

4) Tasgin, M., Herdagdelen, A., Bingol, A.: Communities detection in complex networks using genetic algorithms. oai:arXiv.org:0711.0491v1 [physics.soc-ph] (2007).

5) Chen, Yi, et al. “Overlapping community detection in networks with positive and negative links.” Journal of Statistical Mechanics: Theory and Experiment 2014.3 (2014): P03021.

6) Latouche P, Birmele E and Ambroise C, 2011 Ann. Appl. Stat. 5 309.

7) Miller K, Jordan M I and Griths T L, 2009 Advances in Neural Information Processing Systems p 1276.

درباره محصول تشخیص انجمن‌ها در شبکه‌های اجتماعی

بررسی تشخیص انجمن‌ها در شبکه‌های اجتماعی یک داکیومنت در مورد شبکه های اجتماعی است. محصول دارای نشان تضمین کیفیت پی استور می باشد. خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت. کیفیت محتوا توسط پی استور تضمین می شود.