فایل ورد کامل استفاده از الگوریتم الگوی تکرار شونده، برای تشخیص جوامع در شبکه‌های اجتماعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل استفاده از الگوریتم الگوی تکرار شونده، برای تشخیص جوامع در شبکه‌های اجتماعی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۵۵ صفحه

اخیراٌ، در وب سایت‌های شبکه‌ی اجتماعی شاهد حجمی وسیعی از داده‌های متنوع هستیم. تحلیل یک چنین داده‌هایی منجر به کشف اطلاعات و روابط ناشناخته در این شبکه‌ها گردیده است. شناسایی جوامع، فرآیندی است که به شناسایی گره‌های مشابه می‌پردازد و لذا می‌توان آنرا وظیفه ای چالش بر انگیز در حیطه‌ی تحلیل داده‌های شبکه‌های اجتماعی دانست. این علم به طور گسترده در جامعه‌ی شبکه‌های اجتماعی و آنهم از نظر ساختارهای گراف موجود در این شبکه‌ها مورد مطالعه قرار گرفته است. شبکه‌های اجتماعی آنلاین و همچنین ساختارهای گراف، شامل اطلاعات کاربردی مفیدی در داخل شبکه‌ها می‌باشند. استفاده از این اطلاعات می‌تواند بهبود فرآیند کشف یک جامعه را به همراه داشته باشد. در این مطالعه، روشی را برای کشف یک جامعه ارائه می‌دهیم. علاوه بر استفاده از ارتباطات بین گره‌ها به منظور بهبود کیفیت جوامع کشف شده، اطلاعات محتوا را نیز مورد استفاده قرار می‌دهیم. این روش را می‌توان روشی جدید بر مبنای الگوهای تکرار شونده و فعالیت‌های کاربران در شبکه و مخصوصاٌ سایت‌های شبکه‌های اجتماعی ای دانست که کاربران یک سری فعالیت سلیقه ای را انجام می‌دهند. روش پیشنهادی ما دو نقش را ایفا می‌سازد. در ابتدا بر مبنای فعالیت‌های کاربران در شبکه، بعضی از جوامعی که دارای کاربران مشابهی می‌باشند را کشف می‌کند و به دنبال آن از روابط اجتماعی استفاده کرده و جوامع بیشتری را کشف می‌سازد. از مقیاس اف ، به منظور ارزیابی نتایج دو مجموعه‌ی داده ای واقعی استفاده می‌کنیم (Blogcatalog /Flicker). اثبات خواهیم نمود که روش پیشنهادی می‌تواند کیفیت کشف جوامع را بهبود دهد.

واژگان کلیدی: شبکه‌های اجتماعی | تشخیص جامعه | کاوش الگوی تکرار شونده | داده کاوی | تحلیل کلان داده‌ها

عنوان انگلیسی:

Community detection in social networks using user frequent pattern mining

~~en~~ writers :

Seyed Ahmad Moosavi1 · Mehrdad Jalali1 · Negin Misaghian2 · Shahaboddin Shamshirband3 · Mohammad Hossein Anisi

Recently, social networking sites are offering a rich resource of heterogeneous
data. The analysis of such data can lead to the discovery of unknown information and relations
in these networks. The detection of communities including ‘similar’ nodes is a challenging
topic in the analysis of social network data, and it has been widely studied in the social networking community in the context of underlying graph structure. Online social networks, in
addition to having graph structures, include effective user information within networks. Using
this information leads to enhance quality of community discovery. In this study, a method
of community discovery is provided. Besides communication among nodes to improve the
quality of the discovered communities, content information is used as well. This is a new
approach based on frequent patterns and the actions of users on networks, particularly social
networking sites where users carry out their preferred activities. The main contributions of
proposed method are twofold: First, based on the interests and activities of users on networks,
some small communities of similar users are discovered, and then by using social relations,
the discovered communities are extended. The F-measure is used to evaluate the results of
two real-world datasets (Blogcatalog and Flickr), demonstrating that the proposed method
principals to improve the community detection quality.

Keywords: Social networks | Community detection | Frequent pattern mining | Data mining | Big data analysis

$$en!!