دوره 20، شماره 3 - ( 10-1402 )
جلد 20 شماره 3 صفحات 60-47 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Deypir M, Bayat E. Identifying Community Structures in Social Networks using Discrete Harmony Search Algorithm. JSDP 2023; 20 (3) : 4
URL: http://jsdp.rcisp.ac.ir/article-1-1295-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1295-fa.html
دی پیر محمود، بیات احسان. تشخیص انجمن ها در شبکه های اجتماعی با استفاده از الگوریتم جستجوی هارمونی گسسته. پردازش علائم و داده‌ها. 1402; 20 (3) :47-60
دانشگاه هوایی شهید ستاری
چکیده: (646 مشاهده)
شبکه های اجتماعی امروزه نقش مهمی در زندگی روزمره افراد دارد. شناخت ساختار و گروه های تشکیل دهنده این شبکه ها می تواند اطلاعات مفیدی از وضعیت جامعه و افراد دهد. یکی از مباحثی که در این حوزه بحث می شود، ساخت گراف شبکه است که بر اساس اشیاء به عنوان گره های شبکه، و یال ها به عنوان تراکنش های بین این اشیاء شکل می گیرد. تشخیص ارتباطات بر اساس این گراف ها انجام می گیرد. یکی از روش هایی که برای ساخت و تشخیص این ارتباطات انجام می گیرد استفاده از الگوریتم های بهینه سازی است و مشخص شده است که الگوریتم جستجوی هارمونی یکی از الگوریتم های کارا در این حوزه است. با این وجود در مبحث تشخیص ساختارهای ارتباطی و جوامع، تا به حال کار پژوهشی با استفاده از الگوریتم جستجوی هارمونی انجام نگرفته است. در این مقاله، برای ساخت خوشه های شبکه بر اساس گراف شبکه و تشخیص ارتباطات مؤثر بر اساس معیارهای مختلف، روش جدیدی پیشنهاد می شود. این روش جدید در واقع نسخه گسسته ای از الگوریتم جستحوی هارمونی است که برای کشف جوامع و ساختارهای ارتباطی در شبکه های اجتماعی به کار می رود. آزمایش هایی بر روی چند شبکه مصنوعی و طبیعی انجام گرفته است و نتایج بدست آمده نشان می دهد که روش پیشنهادی دارای کارکرد مناسبی در مقایسه با دیگر روش های موجود دارد.
شماره‌ی مقاله: 4
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش داده‌های رقمی
دریافت: 1400/11/14 | پذیرش: 1401/12/3 | انتشار: 1402/10/24 | انتشار الکترونیک: 1402/10/24
دریافت: 1400/11/14 | پذیرش: 1401/12/3 | انتشار: 1402/10/24 | انتشار الکترونیک: 1402/10/24
فهرست منابع
1. [1] L. Wang, Y. Xu, Y. Mao, M. Fei, "A Discrete Harmony Search Algorithm," LSMS/ICSEE 2010, Part II, CCIS 98, © Springer-Verlag Berlin Heidelberg, pp. 37-43, 2010.
2. [2] M.Girvan, and M.E.J. "Newman, Community structure in social and biological networks," Proc. Natl. Acad. Sci. USA 99 (12): Doi: 10.1073/pnas.122653799. 2002, pp. 7821-7826. [DOI:10.1073/pnas.122653799] [PMID] []
3. [3] S. Fortunato, "Community detection in graphs," Physics Reports 486, pp. 75-174. 2010.
4. [4] K. Steinhaeuser, N.V. Chawla, "Identifying and evaluating community structure in complex networks," Pattern Recognition Letters, Vol. 31, Issue 5, pp. 413-421, 2010.
5. [5] Q. Cai, M. Gong, B. Shen, L. Ma, L. Jiao, "Discrete Particle Swarm Optimization for Identifying Community Structures in Signed Social Networks," 2014.
6. [6] J. Kennedy, R. Eberhart, "Particle swarm optimization," In: Proceedings of 1995 IEEE International Conference on Neural Networks. Vol. 4. pp. 1942-1948, 1995.
7. [7] F. D., Malliaros, M. Vazirgiannis, "Clustering and community detection in directed networks: A survey," Phys. Rep. 533 (4): 95-142, 2013.
8. [8] Z.W., Geem," A New Heuristic Optimization Algorithm: Harmony Search," Simulation, Springer-Verlag Berlin Heidelberg, vol. 76, no. 2, pp. 60-68, 2001.
9. [9] K. S. Lee, Z. W. Geem, "A new meta-heuristic algorithm for continuous engineering optimization: harmony search theory and practice," Computer Methods in Applied Mechanics and Engineering, vol. 194, pp. 3902-3933, 2004.
10. [10] Z. W. Geem, "Music-Inspired Harmony Search Algorithm, Theory and Applications," Springer-Verlag Berlin Heidelberg, Vol. 191, 2009.
11. [11] M. A. Porter, J. P. Onnela, P.J. Mucha, "Communities in Networks," Not. Amer. Math. Soc. Vol. 56(9): pp. 1082-1097, 2009.
12. [12] M.E.J. Newman, "Fast algorithm for detecting community structure in networks," Phys. Rev. E 69 (6): 066133. 2004.
13. [13] M. E. J. Newman, "Detecting community structure in networks," Eur. Phys. J. B Vol. 38 (2): pp. 321-330, 2004.
14. [14] A. Lancichinetti, S. Fortunato, and F. Radicchi, "Benchmark graphs for testing community detection algorithms," Phys. Rev. E, Vol. 78 (4): 046110, 2008.
15. [15] Bo, Yang, K. William Cheung, and L. Jiming, "Community mining from signed social networks," Knowledge and Data Engineering, IEEE transactions on knowledge and data engineering, Vol. 19(10), 1333-1348, 2007.
16. [16] A. Ferligoj, and A. Kramberger, "An analysis of the slovene parliamentary parties network," Developments in statistics and methodology, pp.209-216, 1996.
17. [17] R. Milo, S. Shen-Orr, S. Itzkovitz, N. Kashtan, D. Chklovskii, and U. Alon, "Network motifs: simple building blocks of complex networks," Science, 298(5594), pp. 824-827, 2002.
18. [18] K. Oda, T. Kimura, Y. Matsuoka, A. Funahashi, A., M. Muramatsu, and H. Kitano, "Molecular interaction map of a macrophage," AfCS Research Reports, 2(14), pp. 1-12, 2004.
19. [19] K. Oda, Y. Matsuoka, A. Funahashi, and H. Kitano, "Comprehensive pathway map of epidermal growth factor receptor signaling," Molecular systems biology, 1(1), pp. 2005-0010, 2005.
20. [20] E. Read, Kenneth. "Cultures of the central highlands, New Guinea."Southwestern Journal of Anthropology: pp. 1-43, 1954.
21. [21] S. Shen-Orr, R. Milo, S. Mangan, and U. Alon, "Network motifs in the transcriptional regulation network of Escherichia coli," Nature genetics, 31(1), pp. 64-68, 2002.
22. [22] C. Pizzuti, "Ga-net: A genetic algorithm for community detection in social networks," In International Conference on Parallel Problem Solving from Nature, Springer, Berlin, Heidelberg, September 2008, pp. 1081-1090.
23. [23] C. Shi, Z. Yan, Y. Cai, and B. Wu, "Multi-objective community detection in complex networks," Applied Soft Computing, 12(2), pp. 850-859, 2012.
24. [24] M. Gong, Q. Cai, X. Chen, and L. Ma, "Complex network clustering by multiobjective discrete particle swarm optimization based on decomposition," IEEE Transactions on Evolutionary Computation, 18(1), pp. 82-97, 2014.
25. [25] Z. Li, L. He, and Y. Li, "A novel multiobjective particle swarm optimization algorithm for signed network community detection," Applied Intelligence, 44(3), pp. 621-633, 2016.
26. [26] S. Gómez, P. Jensen, and A. Arenas, "Analysis of community structure in networks of correlated data," Physical Review E, 80(1), 016114, 2009.
27. [27] Y. Su, B. Wang, F. Cheng, L. Zhang, X. Zhang, and L. Pan, "An algorithm based on positive and negative links for community detection in signed networks," Scientific Reports, 7(1), 10874, 2017.
28. [28] K. R.. Žalik, , and B. Žalik, "Multi-objective evolutionary algorithm using problem-specific genetic operators for community detection in networks," Neural Computing and Applications, pp. 1-14, 2017.
29. [29] C. Pizzuti, "Evolutionary computation for community detection in networks: a review," IEEE Transactions on Evolutionary Computation, 22(3), pp. 464-483, 2018.
30. [30] Y. Atay, I. Koc, I. Babaoglu, and H. Kodaz, "Community detection from biological and social networks: A comparative analysis of metaheuristic algorithms," Applied Soft Computing, 50, pp.194-211, 2017.
31. [31] Y. Dong, M. Luo; J. Li, D. Cai, Q. Zheng, "LookCom: Learning Optimal Network for Community Detection," IEEE Transactions on Knowledge and Data Engineering, 34(2), pp. 764 - 775, 2022.
32. [32] L Wu, Q Zhang, CH Chen, K Guo, D Wang ," Deep learning techniques for community detection in social networks," IEEE Access, 8, pp. 96016 - 96026, 2020.
33. [33] S Li, L Jiang, X Wu, W Han, D Zhao, Z Wang, "A weighted network community detection algorithm based on deep learning," Applied Mathematics and Computation, 401(15), p.126012, 2021.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
