دانلود مقاله ترجمه شده چارچوب تکاملی چند منظوره جدید برای جامعه کاوی در شبکه های اجتماعی پویا


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2007716 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
1,195,000 ریال
شناسه محصول :
2007716
سال انتشار:
2016
حجم فایل انگلیسی :
2 Mb
حجم فایل فارسی :
10 مگا بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

چارچوب تکاملی چند منظوره جدید برای جامعه کاوی در شبکه های اجتماعی پویا

عنوان انگليسي

A New Multi-objective Evolutionary Framework for Community Mining in Dynamic Social Networks

نویسنده/ناشر/نام مجله

Swarm and Evolutionary Computation

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 31 صفحه انگلیسی به صورت پی دی اف و 72 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

 

چکیده

امروزه با توجه به تغییر پویای ساختار توپولوژیکی داده ها، خوشه بندی تکاملی مورد توجه گسترده ای قرار گرفته است. در همین راستا چندین الگوریتم در حوزه‌ی شبکه‌های واقعی پیچیده مورد مطالعه قرار گرفته است. علیرغم افزایش علاقه مندی ها به این علم، همه‌ی الگوریتم‌هایی که طراحی شده‌اند از اصول یکسانی تبعیت می‌کنند. اصل مهمی که در این چارچوب‌های خوشه بندی تکاملی وجود این است که مسئله را باید به معیارهای مجزا، یعنی کیفیت لحظه ای و فیلتر زمانی تقسیم کرد. در معیار کیفیت لحظه ای باید آیتم‌های یک شبکه را در قالب جوامع بهم متصل، خوشه بندی نمود. بنابراین در صورتی که یک چنین شبکه ای هیچ رفتار پویایی از خود نشان ندهد، یک مدل خوشه بندی تکاملی که تنها بتواند یک جامعه را در یک شبکه‌ی استوکاستیک شناسایی کند کافی است. متاسفانه همه‌ی الگوریتم‌هایی که برای خوشه بندی ارائه شده است، کیفیت تصویر لحظه ای را بر مبنای دو مدل. شناسایی بین و برون جامعه تقسیم می‌کنند. و این در حالی است که معیار هزینه‌ی موقت به عنوان یک مدل شناسایی تکاملی جامعه دسته بندی می‌شود. در این مقاله در ابتدا نگاهی به محدودیت‌های الگوریتم‌های شناسایی جامعه خواهیم داشت. علیرغم اینکه این الگوریتم ها از کارایی مطلوبی در شبکه‌های پیچیده پویا برخوردار می‌باشد، ولی در تدوین این الگوریتم ها هیچ اشاره ای به مدل‌های کافی برای شناسایی جامعه نشده است. چارچوب پیشنهادی ما می‌تواند به مدل سازی مسئله‌ی خوشه بندی تکاملی بپردازد به این شکل که این مسئله نباید هیچ فاصله ای با مسئله‌ی. تشخیص جامعه نداشته باشد. در همین راستا از یک روش تجزیه برای حل این مسئله استفاده می‌کنیم به این شکل که این مسئله به عنوان یک مسئله بهینه سازی چند هدفه در نظر گرفته می‌شود. این کار بر حسب معیار کیفیت لحظه ای و موقتی امتیازهای بین و برون جوامع صورت می‌گیرد. دو کیفیت تصویر لحظه ای را یه منظور تاکید بر نقش امتیازهای بین جوامع و برون. جوامع ارائه می‌دهیم. این در حالی است که از هزینه‌ی موقت برای امتیاز بین جوامع استفاده می‌شود. با بکار گیری یکی از الگوریتم‌های تکاملی چند هدفه، چارچوب خوشه بندی پیشنهادی را حل خواهیم کرد و آنرا بر روی چندین شبکه‌ی واقعی و ترکیبی تست خواهیم کرد و به اثبات توانایی مدل پیشنهادی برای پاسخ به این مسئله و آنهم به شکلی صحیح تر از روش‌های مدرن میپردایم.

1-مقدمه

شبکه ها و ویژگی های توپولوژی آنها با توجه به اهمیت عملی و قابلیت اجرای روزافزون آنها در بسیاری از سیستم های پویای دنیای واقعی، اخیرا توجه زیادی را به خود جلب کرده اند و موجب شده تا به حل مشکلات آنها بپردازند. مثال ها شامل دنیای آنلاین مانند شبکه های فن آوری، شبکه های اطلاعاتی و شبکه های ارتباطی اجتماعی همچون اینترنت، شبکه جهانی وب و فیس بوک میباشند. نمونه های جالب توجه دیگر نیز شبکه های زیستی و کنام مانند شبکه های تعاملی پروتئین-پروتئین و شبکه های غذایی هستند...  

خوشه بندی تکاملی تجزیه و تحلیل شبکه تکاملی شبکه های اجتماعی پویا :کلمات کلیدی

چکیده انگلیسی

Abstract

Evolutionary clustering – clustering in the presence of dynamic shifts of data's topological structure – has recently drawn remarkable attention wherein several algorithms are developed in the study of complex real networks. Despite the growing interests, all of the algorithms are designed based on seemingly the same principle. The primary principle in these evolutionary clustering frameworks is guided by decomposing the problem into two individual criteria, snapshot quality and temporal smoothness. Snapshot quality should properly cluster individuals of a network into interconnected communities. Temporal smoothness, on the other hand, should capture well the dynamic shift of the interconnected clusters from one time step to another. Thus, in the absence of any dynamic behavior, an evolutionary clustering model should be no more than a community detection one in a static network. Unfortunately, all of the developed algorithms are proposed based on discretion of the snapshot quality as a unified of both intra- and inter- connected community detection model while temporal cost as a community evolution detection model. The contribution of this paper starts by noting the limitation of the existing state-of-the-art algorithms. Despite their performance on dynamic complex networks, their formulations lack complete reflection of sufficient community detection model. Our framework, then, models the evolutionary clustering problem by hypothesizing that it should not depart too much from the community detection problem. To support this claim, an alternate decomposition perspective is proposed by projecting the problem, as a multi-objective optimization problem, in the light of snapshot and temporal of both intra- and inter-community scores. Two snapshot qualities are proposed to individually emphasize the role of intra- and inter- community scores, while temporal cost is proposed to cross-fertilize inter- community score. By applying one of the prominent multi-objective evolutionary algorithms (MOEAs) to solve the proposed multi-objective evolutionary clustering framework and testing it on several synthetic and real-world dynamic networks, we demonstrate the ability of the proposed model to address the problem more accurately than the existing state-of-the-art formulations

Keywords: Evolutionary clustering Evolutionary network analysis Dynamic social networks
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی کامپیوتر و IT > مقاله های مهندسی کامپیوتر و IT و ترجمه فارسی آنها > چارچوب تکاملی چند منظوره جدید برای جامعه کاوی در شبکه های اجتماعی پویا
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید