شماره ركورد كنفرانس :
4615
عنوان مقاله :
پيش بيني تكامل گروه در شبكه هاي اجتماعي براساس ويژگي هاي ساختاري گراف با استفاده از شباهت هاي محلي و ساختاري
پديدآورندگان :
ظريف كار مهيار mahyar_zarifkar@comp.iust.ac.ir دانشگاه علم و صنعت ايران، , كلنات نسرين kalanat@comp.iust.ac.ir دانشگاه علم و صنعت ايران، , محمد قيماسي سميه s_mohammadgheimasy@comp.iust.ac.ir دانشگاه علم و صنعت ايران، , خنجري عين الله khanjari@iust.ac.ir دانشگاه علم و صنعت ايران،
كليدواژه :
استخراج ويژگي , ويژگي هاي ساختاري , تعبيه سازي شبكه , شبكه هاي اجتماعي
عنوان كنفرانس :
چهارمين كنفرانس ملي تحقيقات كاربردي در مهندسي برق، مكانيك، كامپيوتر و فناوري اطلاعات
چكيده فارسي :
پيش بيني رشد گروه ها در دوره هاي زماني مختلف مسئله اي پراهميت است كه در زمينه هاي سياسي، اجتماعي و بازرگاني مورد بحث و مطالعه قرار مي گيرد. پيش بيني حركات و جنبش هاي سياسي دوره اي و رشد گروه هاي مذهبي و راديكال كاربردهايي از اين مسئله مي باشند. در دنياي ديجيتال شبكه هاي برخط (همچون تلگرام، فيسبوك) از لحاظ كميت كاربران درگير و ميزان فعاليت و تاثير پذيري كاربران رشد قابل توجه اي داشته اند. ساختار شبكه، اطلاعاتي در خود نهفته دارد كه مي-توان با استفاده از روش هاي استخراج ويژگي به آن ها دست يافت. ويژگي ها را مي توان به صورت يادگيري ويژگي استخراج كرد. از مهمترين خصوصيت يادگيري ويژگي عموميت آن است كه باعث مي شود در مسايل مختلف مورد استفاده قرار گيرد. نكته مهمي كه در استخراج ويژگي از ساختار گراف مطرح است نوع شباهت بين گره هاست. دو نوع شباهت مطرح شده شباهت محلي و شباهت در نقش گره است. شباهت محلي شباهت گره هاي نزيك به هم يا همان گره هاي همسايه را بيان مي كند و شباهت در نقش بدنبال يافتن شباهت ساختاري دو گره است براي مثال دو استاد دانشگاه در شبكه ممكن است همسايه هم نباشند اما نقشي كه در شبكه دارند بسيار نزديك به هم باشد. در اين مقاله با كمك الگوريتم هاي يادگيري ويژگي سعي مي-شود كه در مجموعه داده هاي dblp الگوي شباهت بين گره ها را يافته و احتمال پيوستن به گروه ها را پيش بيني كنيم. به كمك اين روش مي توان در هر شبكه اي نوع شباهت بين گره ها را تشخيص داد و با استفاده از آن ويژگي هاي ساختاري را استخراج نمود.
