عنوان

ارائه ی یک الگوریتم جدید برای تشخیص جوامع در شبکه های اجتماعی با در نظر گرفتن عمق روابط بین افراد

شماره

پ۲۴۳۳۱

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

ارائه ی یک الگوریتم جدید برای تشخیص جوامع در شبکه های اجتماعی با در نظر گرفتن عمق روابط بین افراد

نام نخستين پديدآور

سئودا فتوت شاهمرسی

نام ناشر، پخش کننده و غيره

مهندسي برق و کامپيوتر

تاریخ نشرو بخش و غیره

۱۳۹۹

نام خاص و کميت اثر

۹۶ص.

مواد همراه اثر

سی دی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

علوم‌ کامپیوتر گرایش نظریه سیستم‌هایی

زمان اعطا مدرک

۱۳۹۹/۱۱/۲۵

متن يادداشت

چͺیده: مطالعه در زمینه شبͺه های اجتماعͬ به تعریف و تحلیل روابط بین انسان ها، سازمان ها و یا هرگونه تعامل مابینموجودیت ها مͬ پردازد. با توجه به محبوبیت گسترده شبͺه های اجتماع،ͬ تحقیقات در مورد کشف اجتماع، توجه فراوانͬبه خود جلب کرده است. جوامع به عنوان خوشه ای از گره ها یا رأس ها تعریف مͬ شوند که دارای روابط قوی درمیان خودنسبت به گره های خارج از خوشه ها هستند. کشف خودکار جوامع ی ͷچالش مهم در زمینه تجزیه و تحلیل داده هایشبͺه های اجتماعͬ است. تشخیص جامعه نقش مهمͬ در کشف ساختارهای زیرین شبͺه های اجتماعͬ دارد و همین طورچͽونگͬ تأثیرگذاری ساختار پیوندها بر مردم و ارتباط بین آن ها را نشان مͬ دهد. با استفاده از روش های خوشه بندیمͬ توان به تشخیص و کشف جوامع پرداخت. در این پایان نامه، ی ͷالͽوریتم جدید خوشه بندی برای تشخیص جوامعارائه شده است که عمق روابط بین افراد را نیز در فرآیند تشخیص جوامع در نظر مͬ گیرد. نتایج ما روی تعدادی مجموعهداده نشان داد که در نظر گرفتن عمق روابط بین افراد، دقت روش خوشه بندی را افزایش مͬ دهد

متن يادداشت

Abstract: Study of social networks analyzes the relationships between humans, organizations and interactions between entities. Widespreading popularity of social media has attracted researchers’ attention oncommunity detection. Communities are defined as clusters of nodes or vertices that have strong relationships among them rather than between them. Community detection plays an important role on discoveringthe underlying structures of social networks and it displays the effects of links’ structures on people and therelationship between them. Communities are detected by clustering algorithms. In this thesis, we presenta new clustering algorithm for community detection that considers the depth of relationships between individuals in community recognition process. Results on specific data indicates that considering the depth ofrelationships between people increases the accuracy of the clustering methods

عنوان گونه گون

ocial networks, complex networks, depth of relations, community detection, clustering

عنصر شناسه اي

‏فتوت شاهمرسی،

ساير عناصر نام

‏سئودا

کد نقش

تهيه کننده

عنصر شناسه اي

‏ ایزدخواه،

عنصر شناسه اي

‏حاجی پور،

ساير عناصر نام

‏حبیب

ساير عناصر نام

‏جواد

تاريخ

استاد راهنما

تاريخ

استاد مشاور

عنصر شناسه اي

‏ تبریز