view in publisher's site

TCD2: Tree-based community detection in dynamic social networks

Highlights•Detecting communities in a dynamically changing social network.•Tree-structure is used for maintaining community structure.•Six degree of separation and three degree theory are utilized.•Comprehensive analysis on results obtained from the proposed solution.AbstractCommunity detection in social networks is an important field of research in data mining and has an abundant literature. Time varying social networks require algorithms that can comply with temporal changes and are also feasible with limited resources. The performance of static algorithms are not well suited for such perturbing networks. Continuously updating community structure, light computations, on-demand results etc. are few of the new challenges introduced on account of dynamic networks. The aforementioned challenges are addressed in the proposed work. The work proposes a tree-based community detection in dynamic social networks (TCD2) algorithm which exploits two important properties of social network, connectedness and influence, for finding communities in the network. TCD2 uses a tree-structure to maintain the information of dynamically changing community structures of the network. The experimental results on real-world social networks along with synthetic networks validate the performance of TCD2. The tests also confirmed its superiority over the state-of-the-art algorithms. The results showed that the proposed algorithm achieves a significant trade-off between quality and accuracy.

TCD۲: تشخیص جامعه مبتنی بر درخت در شبکه‌های اجتماعی پویا

نکات برجسته شناسایی جوامع در یک شبکه اجتماعی که به صورت پویا در حال تغییر است. * ساختار درختی برای حفظ ساختار جامعه استفاده می‌شود. * از نظریه تفکیک شش درجه و نظریه سه درجه استفاده می‌شود. * تجزیه و تحلیل جامع بر روی نتایج به‌دست‌آمده از راه‌حل پیشنهادی * تشخیص جامعه در شبکه‌های اجتماعی یک زمینه مهم از تحقیق در داده کاوی است و ادبیات فراوانی دارد. شبکه‌های اجتماعی متغیر با زمان نیاز به الگوریتمی دارند که بتواند با تغییرات زمانی مطابقت داشته باشد و همچنین با منابع محدود امکان پذیر باشد. عملکرد الگوریتم های ایستا برای چنین شبکه‌های آشفته کننده مناسب نیستند. به روز رسانی پیوسته ساختار جامعه، محاسبات سبک، نتایج مورد تقاضا و غیره برخی از چالش‌های جدید معرفی‌شده در شبکه‌های پویا هستند. چالش‌های مذکور در کار پیشنهادی مورد بررسی قرار گرفته‌اند. این کار یک تشخیص جامعه مبتنی بر درخت را در الگوریتم شبکه‌های اجتماعی پویا (TCD۲)پیشنهاد می‌کند که از دو ویژگی مهم شبکه اجتماعی، ارتباط و نفوذ، برای یافتن جوامع در شبکه بهره می‌برد. TCD۲ از یک ساختار درختی برای حفظ اطلاعات ساختارهای اجتماعی متغیر پویا در شبکه استفاده می‌کند. نتایج تجربی در شبکه‌های اجتماعی دنیای واقعی همراه با شبکه‌های ترکیبی، عملکرد TCD۲ را معتبر می‌سازد. این آزمون‌ها همچنین برتری آن را نسبت به الگوریتم‌های سطح بالا تایید کردند. نتایج نشان داد که الگوریتم پیشنهادی به توازن قابل‌توجهی بین کیفیت و دقت دست می‌یابد.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله General Engineering
  • ترجمه مقاله General Engineering
  • مقاله مهندسی عمومی
  • ترجمه مقاله مهندسی عمومی
  • مقاله Artificial Intelligence
  • ترجمه مقاله Artificial Intelligence
  • مقاله هوش مصنوعی
  • ترجمه مقاله هوش مصنوعی
  • مقاله Computer Science Applications
  • ترجمه مقاله Computer Science Applications
  • مقاله کاربردهای علوم کامپیوتر
  • ترجمه مقاله کاربردهای علوم کامپیوتر
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.