تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,035 |
تعداد مشاهده مقاله | 52,540,889 |
تعداد دریافت فایل اصل مقاله | 15,245,140 |
مدلسازی انتشار اطلاعات در شبکههای کتابشناسی چندلایه | ||
مجله مهندسی برق دانشگاه تبریز | ||
مقاله 4، دوره 49، شماره 2 - شماره پیاپی 88، مرداد 1398، صفحه 503-515 اصل مقاله (949.23 K) | ||
نویسندگان | ||
سما بابایی؛ سهیلا مولایی؛ مصطفی صالحی* | ||
دانشکده علوم و فنون نوین - دانشگاه تهران | ||
چکیده | ||
بسیاری از سیستمهای اطلاعاتی را میتوان به شکل شبکهای چندلایه مدل کرد که هر لایه متشکل از تعدادی گره است و این گرهها با انواع مختلفی یال به یکدیگر مرتبط میشوند. اگرچه محققان در سالهای اخیر به تحلیل انتشار اطلاعات در شبکه توجه نشان دادهاند، اکثر این مطالعات به شبکههای تکلایه محدود بوده است. اما در دنیای واقعی به دلیل پیچیدگی روابط بین گرهها، عموماً شاهد وجود شبکههای چندلایه هستیم. کارهای پیشین، اغلب با سادهسازیهای زیاد فضای مساله همراه هستند، مثلاً در بیشتر کارها تنوع گرهها و تأثیر متقابل آنها نادیده گرفته شده است. روش پیشنهادی این مقاله با در نظر گرفتن تأثیر لایههای مختلف بر یکدیگر به پیشبینی انتشار در شبکههای چندلایه، میپردازد. مهمترین ویژگی روش، این است که میتواند قدرت تأثیر تمامی لایهها را مشخص کند و میزان این تأثیر را بدون توجه به شباهت یا تفاوت گرههای هر لایه نسبت به هم، اندازهگیری نماید. مدل پیشنهادی بر روی دو مجموعه دادهی واقعی پیاده سازی و با سناریوهای مختلفی ارزیابی شده است. همچنین روند فعال شدن گرههای مختلف را به دست آورده و با روند رشد واقعیشان در واقعیت مقایسه کردیم و نشان دادیم که روش پیشنهادی نسبت به روشهای پیشین که تمامی گرهها را از یک نوع فرض میکردند، شباهت بیشتری به واقعیت دارد و میتواند راه مناسبی برای پیشبینی انتشار در شبکههای چندلایه باشد. | ||
کلیدواژهها | ||
شبکهی چندلایه؛ انتشار اطلاعات؛ شبکهی چندگانه؛ شبکهی بههممتصل؛ فرآیندهای انتشار | ||
مراجع | ||
[1] C. Kirst, M. Timme, and D. Battaglia, “Dynamic information routing in complex networks,” Nat. Commun., vol. 7, p. 11061, 2016. [2] Z.-K. Zhang, C. Liu, X.-X. Zhan, X. Lu, C.-X. Zhang, and Y.-C. Zhang, “Dynamics of information diffusion and its applications on complex networks,” Phys. Rep., vol. 651, pp. 1–34, 2016. [3] S. Dhamal, K. J. Prabuchandran, and Y. Narahari, “Information Diffusion in Social Networks in Two Phases,” IEEE Trans. Netw. Sci. Eng., vol. 3, no. 4, pp. 197–210, Oct. 2016. [4] D. Margaris, C. Vassilakis, and P. Georgiadis, “Recommendation information diffusion in social networks considering user influence and semantics,” Soc. Netw. Anal. Min., vol. 6, no. 1, pp. 122-136, 2016. [5] Y. Hu, R. J. Song, and M. Chen, “Modeling for Information Diffusion in Online Social Networks via Hydrodynamics,” IEEE Access, vol. 5, pp. 128–135, 2017. [6] J. Han, “Mining heterogeneous information networks by exploring the power of links,” in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 5808 LNAI, pp. 13–30, 2009. [7] Y. Sun, J. Han, P. Zhao, Z. Yin, H. Cheng, and T. Wu, “RankClus: Integrating Clustering with Ranking for Heterogeneous Information Network Analysis,” Proc. 12th Int. Conf. Extending Database Technol. Adv. Database Technol. - EDBT ’09, p. 565, 2009. [8] Y. Sun and J. Han, “Mining heterogeneous information networks: a structural analysis approach,” ACM SIGKDD Explor. Newsl., vol. 14, no. 2, pp. 20–28, 2013. [9] H. Gui, Y. Sun, J. Han, and G. Brova, “Modeling Topic Diffusion in Multi-Relational Bibliographic Information Networks,” in Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Management - CIKM ’14, pp. 649–658, 2014. [10] M. S. Granovetter, “Threshold Models of Collective Behavior,” Am. J. Sociol., vol. 83, no. 6, pp. 1420–1443, 1978. [11] N. Pathak, A. Banerjee, and J. Srivastava, “A Generalized Linear Threshold Model for Multiple Cascades,” in 2010 IEEE International Conference on Data Mining, pp. 965–970, 2010. [12] D. J. Watts, “A Simple Model of Global Cascades on Random Networks,” Proc. Natl. Acad. Sci. U. S. A., vol. 99, no. 9, pp. 5766–5771, 2002. [13] Y. Sun and J. Han, “Mining Heterogeneous Information Networks: Principles and Methodologies,” Synth. Lect. Data Min. Knowl. Discov., vol. 3, no. 2, pp. 1–159, 2012. [14] C. D. Brummitt, K. M. Lee, and K. I. Goh, “Multiplexity-facilitated cascades in networks,” Phys. Rev. E - Stat. Nonlinear, Soft Matter Phys., vol. 85, no. 4, 2012. [15] C. Budak, D. Agrawal, and A. El Abbadi, “Limiting the spread of misinformation in social networks,” in Proceedings of the 20th international conference on World wide web - WWW ’11, p. 665, 2011. [16] Y. Zhuang, A. Arenas, and O. Yaǧan, “Clustering determines the dynamics of complex contagions in multiplex networks,” Phys. Rev. E - Stat. Nonlinear, Soft Matter Phys., vol. 95, no. 1, 2017. [17] M. Salehi, R. Sharma, M. Marzolla, M. Magnani, P. Siyari, and D. Montesi, “Spreading Processes in Multilayer Networks,” IEEE Trans. Netw. Sci. Eng., vol. 2, no. 2, pp. 65–83, 2015. [18] D. Kempe, J. Kleinberg, and É. Tardos, “Influential Nodes in a Diffusion Model for Social Networks”, pp. 1127–1138, 2005. [19] M. Kivelä, A. Arenas, M. Barthelemy, J. P. Gleeson, Y. Moreno, and M. A. Porter, “Multilayer networks,” J. Complex Networks, vol. 2, no. 3, pp. 203–271, 2014. [20] سهیلا مولائی، سما بابایی، مصطفی صالحی, "جستجوی شباهت در شبکههای ناهمگن بر مبنای فرامسیرهای وزندار." بیست و یکمین کنفرانس انجمن کامپیوتر ایران، تهران، اسفند 18-20، 1394. [21] J. Santisteban, Tejada-Cárcamo, Unilateral Jaccard Similarity Coefficient, GSB@ SIGIR. (2015) 23–27. doi:http://ceur-ws.org/Vol-1393/. [22] A. Chao, R. L. Chazdon, R. K. Colwell, and T.-J. Shen, “A new statistical approach for assessing similarity of species composition with incidence and abundance data,” Ecol. Lett., vol. 8, no. 2, pp. 148–159, Dec. 2004. [23] سمیه توکلی، افسانه فاطمی." تشکیل تیم دوهدفه در شبکههای اجتماعی." مجله مهندسی برق دانشگاه تبریز، جلد 47، شماره 2، تابستان 1396. [24] Y. Sun, J. Han, X. Yan, P. S. Yu, and T. Wu, “PathSim: Meta Path-Based Top-K Similarity Search in Heterogeneous Information Networks,” VLDB 2011, vol. 3, no. 2, pp. 1–12, 2011. [25] مریم باسره، ولی درهمی، سجاد ظریف زاده. " ارائه روشی برای استخراج خودکار عبارات کلیدی از اخبار وب پارسی." مجله مهندسی برق دانشگاه تبریز، جلد 47، شماره 3، پاییز 1396. [26] D. M. W. POWERS, “Evaluation: From Precision, Recall and F-Measure To Roc, Informedness, Markedness & Correlation,” J. Mach. Learn. Technol., vol. 2, no. 1, pp. 37–63, 2011. [27] P. Perruchet and R. Peereman, “The exploitation of distributional information in syllable processing,” J. Neurolinguistics, vol. 17, no. 2–3, pp. 97–119, Mar. 2004. | ||
آمار تعداد مشاهده مقاله: 528 تعداد دریافت فایل اصل مقاله: 475 |