تعداد نشریات | 44 |
تعداد شمارهها | 1,301 |
تعداد مقالات | 15,911 |
تعداد مشاهده مقاله | 52,179,882 |
تعداد دریافت فایل اصل مقاله | 14,956,985 |
ارائه روشی سلسلهمراتبی جهت خوشهبندی ساختاری-محتوایی گراف | ||
مجله مهندسی برق دانشگاه تبریز | ||
مقاله 13، دوره 49، شماره 3 - شماره پیاپی 89، آذر 1398، صفحه 1107-1117 اصل مقاله (571.61 K) | ||
نوع مقاله: علمی-پژوهشی | ||
نویسندگان | ||
کبری رحمتی1؛ سامان کشوری2؛ حسن نادری* 1 | ||
1دانشکده کامپیوتر - دانشگاه علم و صنعت ایران | ||
2دانشکده فناوری اطلاعات و ارتباطات - دانشگاه جامع امام حسین (ع) | ||
چکیده | ||
موجودیتها در شبکههای اجتماعی علاوه بر داشتن ارتباط با یکدیگر، دارای محتوا نیز هستند. این مدل از شبکهها میتوانند بر روی گرافهایی که گرههای آن شامل متن هستند، مدل شوند. خوشهبندی گراف ازجمله مهمترین کارهای تحلیلی شبکه اجتماعی است. باوجوداین دو جنبه، اغلب روشهای خوشهبندی تنها یکی از جنبههای ساختاری یا محتوایی گراف را در نظر میگیرند. الگوریتمهای خوشهبندی ساختاری-محتوایی، گراف را از هر دو جنبه ساختار و محتوا بهصورت همزمان در نظر میگیرند. هدف این مقاله رسیدن به خوشههایی با ساختار درونی منسجم (ساختاری) و مقادیر ویژگی (محتوایی) همگن در گراف است. الگوریتم ارائه شده در این مقاله RLS-Cluster نام داشته که بهصورت سلسله مراتبی با حذف یال با کمترین میانگین شباهت میان گرههای محله آن یال، عمل خوشهبندی را انجام میدهد. در این روش برای هر یال میانگین شباهت محله محاسبه شده و بهعنوان وزن آن یال در نظر گرفته میشود. یالهایی که دارای کمترین وزن هستند حذف میشوند. این مرحله تا زمانی که به تعداد خوشه موردنظر کاربر برسد، ادامه میابد. مقایسه الگوریتم مطرحشده با سه الگوریتم خوشهبندی ساختاری-محتوایی ارائه شده تاکنون، بر اساس معیارهای مختلف سنجش کیفیت خوشه، بیانگر عملکرد مناسب روش ارائه شده است. این معیارها شامل معیارهای ساختاری، محتوایی و ساختاری-محتوایی هستند. | ||
کلیدواژهها | ||
خوشهبندی؛ خوشهبندی ساختاری-محتوایی گراف؛ شبکه اطلاعاتی؛ شبکه اجتماعی | ||
مراجع | ||
[1] مریم مرادی، رزا یوسفیان و وحید رافع، «ارائه راهکاری جهت مقابله با مشکل انفجار فضای حالت در سیستمهای تبدیل گراف با استفاده از الگوریتمهای پرندگان و جستجوی گرانشی»، مجله مهندسی برق دانشگاه تبریز، دوره 45، شماره 4، صفحه 163-177، زمستان 1394. [2] مرتضی فرهید، موسی شمسی، محمدحسین صداقی، «تأثیر توپولوژی شبکههای پیچیده بر روی عملکرد تخمین تطبیقی توزیع شده با مشارکت نفوذی»، مجله مهندسی برق دانشگاه تبریز، دوره 46، شماره 4، صفحه 207-216، زمستان 1395. [3] سمیه توکلی، افسانه فاطمی، «تشکیل تیم دوهدفه در شبکههای اجتماعی»، مجله مهندسی برق دانشگاه تبریز، دوره 47، شماره 2، صفحه 423-433، تابستان 1396. [4] سمیرا رفیعی، پرهام مرادی، «بهبود عملکرد الگوریتم خوشهبندی فازی سی- مینز با وزندهی اتوماتیک و محلی ویژگیها»، مجله مهندسی برق دانشگاه تبریز، دوره 46، شماره 2، صفحه 75-86، تابستان 1395. [5] C. Aggarwal, H. Wang, Managing and Mining Graph Data, Springer US, 2010. [6] S. B. Patkar, H. Narayanan "An Efficient Practical Heuristic for Good Ratio-Cut Partitioning", 16th International Conference on VLSI Design (VLSI’03), pp. 1-6, 2003. [7] A. E. Feldmann, L. Foschini, "Balanced Partitions of Trees and Applications"; ALGORITHMICA. Vol. 71, pp. 354-376, 2015. [8] کبری رحمتی، حسن نادری، سامان کشوری، «خوشهبندی محتوایی-ساختاری گراف و معیاری جدید جهت ارزیابی آن»، مجله علوم و فناوریهای پدافند نوین، دوره 9، شماره 2، تابستان 1397 (در نوبت چاپ). [9] M. Newman, "Community Detection in Networks: Modularity Optimization and Maximum Likelihood are Equivalent", Social and Information Networks (cs.SI). vol. 94, pp. 1-8, 2016. [10] Zh. Yang, R. Algesheimer, C. J. Tessone, "A Comparative Analysis of Community Detection Algorithms on Artificial Networks"; Scientific Reports 6. http://www.nature.com/articles/srep30750#supplementary-information ,2016. [11] S. Fortunatoa, D. Hricb, "Community Detection in Networks: A User quide", PHYS REP. vol. 659, pp. 1-44, 2016. [12] M. Khatoon, W. Aisha Banu, "A Survey on Community Detection Methods in Social Networks", Education and Management Engineering (IJEME). vol. 1, pp. 8-18, 2015. [13] H. Elhadi, G. Agam, "Structure and Attributes Community Detection: Comparative Analysis of Composite, Ensemble and Selection Methods", SNAKDD '13 Proceedings of the 7th workshop on Social Network Mining and Analysis, pp. 1-7, 2013. [14] S. Harenberg, G. Bello, L. Gjeltema, S. Ranshous, J. Harlalka, R. Seay, K. Padmanabhan, N. Samatova, "Community detection in large-scale networks: a survey and empirical evaluation", Computational Statistics, vol. 6, pp. 426-439, 2014. [15] J. R. Matthew, M. Maier, D. Jensen, "Graph Clustering with Network Structure Indices", ICML '07 Proceedings of the 24th Int. Con. on Machine learning, pp. 783-790, 2007. [16] V. Shchukin, D. Khristich, I. Galinskaya, "Word Clustering Approach to Bilingual Document Alignment", First Con. on Machine Translation, vol 2, pp. 953-994, 2016. [17] L. M. Weber, M. D. Robinson, "Comparison of Clustering Methods for High-Dimensional Single-Cell Flow and Mass Cytometry Data", Cold Spring Harbor Labs Journals, 2016. [18] J. Han, M. Kamber, J. Pei. "Data Mining: Concepts and Techniques", 3rd ed, The Morgan Kaufmann Series in Data Management Systems, Morgan Kaufmann Publishers, 2011. [19] Y. Zhou, H. Cheng, J. Xu Yu, "Graph Clustering Based on Structural/Attribute Similarities"; VLDB. vol. 2, pp. 718-729, 2009. [20] M. Parimala, L. Daphne, "Graph Clustering based on Structural Attribute Neighborhood Similarity (SANS)"; IEEE international Conference on Electrical, Computer and Communication Technologies (ICECCT). pp. 1-5, 2015. [21] S. Pool, F. Bonchi, M. Leeuwen, "Description-Driven Community Detection" ACM Transactions on Intelligent Systems and Technology (TIST). Vol. 5, pp.1-25, 2014. [22] M. Qiao, L. Qin, H. Cheng, J. X. Yu, W. Tian, "Top-K Nearest Keyword Search on Large Graphs", VLDB, vol. 10, pp. 901-912, 2013. [23] M. Wang, Ch. Wang, J. Xu Yu, J. Zhang, "Community Detection in Social Networks: An In-depth Benchmarking Study with a Procedure-Oriented Framework"; VLDB. Vol. 8, pp. 998-1009, 2015. [24] J. Yang, J. Leskovec, "Defining and evaluating network communities based on ground-truth", Knowledge and Information Systems (KAIS), vol. 42, pp. 181-213, 2015.
| ||
آمار تعداد مشاهده مقاله: 507 تعداد دریافت فایل اصل مقاله: 357 |