دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات55
تعداد شماره‌ها1,838
تعداد مقالات14,668
تعداد مشاهده مقاله31,769,702
تعداد دریافت فایل اصل مقاله19,750,580
حسینی, منیره, گلوی, الناز. (1402). تشخیص اجتماع در شبکه های اجتماعی با رویکرد یادگیری عمیق. سامانه مدیریت نشریات علمی, 11(44), 83-112. doi: 10.22054/ims.2023.66048.2125
منیره حسینی; الناز گلوی. "تشخیص اجتماع در شبکه های اجتماعی با رویکرد یادگیری عمیق". سامانه مدیریت نشریات علمی, 11, 44, 1402, 83-112. doi: 10.22054/ims.2023.66048.2125
حسینی, منیره, گلوی, الناز. (1402). 'تشخیص اجتماع در شبکه های اجتماعی با رویکرد یادگیری عمیق', سامانه مدیریت نشریات علمی, 11(44), pp. 83-112. doi: 10.22054/ims.2023.66048.2125
حسینی, منیره, گلوی, الناز. تشخیص اجتماع در شبکه های اجتماعی با رویکرد یادگیری عمیق. سامانه مدیریت نشریات علمی, 1402; 11(44): 83-112. doi: 10.22054/ims.2023.66048.2125

تشخیص اجتماع در شبکه های اجتماعی با رویکرد یادگیری عمیق

مطالعات مدیریت کسب و کار هوشمند
مقاله 3، دوره 11، شماره 44، تیر 1402، صفحه 83-112    اصل مقاله (2.55 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/ims.2023.66048.2125
نویسندگان
منیره حسینی* 1؛ الناز گلوی2
1فناوری اطلاعات،دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
2گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
چکیده
تشخیص اجتماع یک موضوع مهم در تحلیل شبکه‌های اجتماعی می‌باشد و برای درک ساختار شبکه‌های پیچیده ضروری است. در تشخیص اجتماع هدف، شناسایی گروه‌هایی است که گره‌های گروه به طور متراکم با هم در ارتباط هستند. در این تحقیق، ضمن ارائه معماری جامع و یکپارچه‌‌ای از روش‌های تشخیص اجتماع با یادگیری عمیق، از تکنیک‌های یادگیری عمیق برای کنترل داده‌های گراف با ابعاد بالا استفاده شده است. روش‌های کلاسیک تشخیص اجتماع برای شبکه‌های با ابعاد پایین مناسب هستند. از این رو، کاهش ابعاد شبکه‌های پیچیده موضوع مهمی در تشخیص اجتماع به شمار می‌آید. در این تحقیق، ابتدا ماتریس شباهت جدیدی از توپولوژی شبکه برای آشکار کردن اتصالات مستقیم و غیر مستقیم بین گره‌ها ایجاد می‌شود. سپس یک خودمرزگذار پشته براساس یادگیری بدون نظارت برای کاهش ابعاد طراحی شده‌است. پس ازآن الگوریتم‌های مختلف خوشه‌بندی تست و برای تشحیص اجتماعات به کار برده می‌شوند. ارزیابی مدل پیشنهادی تحقیق، با انجام آزمایش‌های متعدد بر روی معیار استاندارد و شش مجموعه داده‌ واقعی کاراته، دلفین‌ها، فوتبال، کتاب‌های سیاسی،کرا و شهروند مورد بررسی قرار می‌گیرد. نتایج ارزیابی روش پیشنهادی، در مجموعه داده فوتبال در مقایسه با دوازده الگوریتم مطرح به کار رفته در تحقیقات گذشته دقت بالاتری در شناسایی اجتماعات دارد و در سایر مجموعه داده‌ها در مقایسه با سیزده الگوریتم بهبود قابل توجهی را نشان می‌دهد.
کلیدواژه‌ها
تشخیص اجتماع؛ یادگیری عمیق؛ خودرمز گذار؛ شبکه های پیچیده
سایر فایل های مرتبط با مقاله
مراجع
آمار
تعداد مشاهده مقاله: 131
تعداد دریافت فایل اصل مقاله: 63


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب
login