مروری بر روش های پیش بینی پیوندی در شبکه های اجتماعی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 773

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TEDECE01_452

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

در سالهای اخیر، پدیدار شدن وبسایتهای شبکه های اجتماعی، رویکردهای جدیدی از گسترش و انتشار اطلاعات در سطح اینترنت و زندگی بشری را به وجود آورده است به طوریکه حجم متنوع و وسیعی از محتوای اطلاعات توسط کااربران بارای تبات، گسترش و انتشار در کاربردهای مختلفی چون اجتماعی، سیاسی، ورزشی و اقتصادی تاتیرگذار شده است. یکی از مهمترین چالشهایی که در وب سایتهای شبکه های اجتماعی مورد توجه محققان قرار گرفته است، چگونگی رشد این شبکههاست که مسئله پیشبینی پیوندی را به وجود آورده است به طوریکه بتوان در لحظه خاصی از مشاهده محتوای ساختاری ارتباطات در شبکه اجتماعی بتوان با دقت خوبی به پیشبینی و تخمین این ساختار ارتباطاتی در شبکه اجتماعی در زمان آینده دست یافت. تا کنون، روشهای مختلفی برای پیشبینی پیوندی در شبکه های اجتماعی ارایه شده است که در این مقاله، روشهای موجود برای پیشبینی پیوندی در شبکه های اجتماعی مختصراً مورد بررسی قرار گرفته است

نویسندگان

پیمان رسولی

آموزشکده فنی و حرفه ای سما دانشگاه آزاد اسلامی واحدهمدان همدان ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • D. Easley and J. Kleinberg, Networks, Crowds, and Markets: Reasoning ...
  • M. Newman, Networks: an introduction Oxford University Press, 2010. ...
  • S. Wasserman, Social Network Analysis: Methods and Applications. Cambridge University ...
  • _ _ no. 9, p. e107056, 2014. ...
  • C. A. Bliss, M. R. Frank, C. M. TDanforth, and ...
  • M. Al Hasan, V. Chaoji, S. Salem, and M. Zaki, ...
  • _ _ _ Conference on Data Mining, 2007. (ICDM 2007), ...
  • H. Kashima and N Abe, _ parameterized probailistic model of ...
  • International Conference on Data Mining, 2006. (ICDM 06), 2006, pp. ...
  • _ Getoor, N. Friedman, D. Koller, and B. Taskar, "Learning ...
  • J. Kunegis and A. Lommatzsch, "Learing spectral graph transformation for ...
  • نمایش کامل مراجع