community detection
در نشریات گروه کتابداری و مدیریت اطلاعات-
به واسطه تحولات فناوری های رسانه ای در حوزه تولید و توزیع محصولات و خدمات رسانه ای، رفتار کاربران به عنصری مهم در شکل دهی به زیست بوم وب سایت های تماشا و دریافت ویدیو تبدیل شده است. با توجه به اینکه «مخاطب شدن» از دیدن، شنیدن یا خواندن فراتر رفته و نیاز به رویکردهای جدید برای پژوهش درباره مخاطب به وجود آمده است. در این راستا، تحقیق حاضر بر مطالعه رفتار مصرف محتوای ویدیویی کاربران متمرکز شده و الگوی ارتباطی اعضای زیست بوم سایت های ویدیویی ایرانی را با تکنیک تحلیل شبکه اجتماعی بررسی کرده است. پژوهش حاضر با رویکرد کمی و به روش تحلیل شبکه اجتماعی انجام شده و دارای 2 فاز پژوهشی است: الف) نمونه گیری سایت های ایرانی دریافت و تماشای ویدیو از طریق روش تراش وب ب) ترسیم، شناسایی جوامع و تحلیل شبکه اجتماعی متشکل از ارتباط سایت های ایرانی دریافت و تماشای ویدیو. بر اساس یافته های تحقیق، زیست بوم وب سایت های دریافت و تماشای ویدیوی کشور شامل 144 عنصر و 8 جامعه شامل وب سایت دریافت و تماشای ویدیو بر اساس رفتار کاربران شامل جامعه های محتوای تولیدشده کاربر، محتوای درخواستی کاربر، خرید قانونی، دریافت قانونی، دریافت غیرقانونی، زیرنویس و محتوای شرق آسیا است. جامعه مرتبط با دریافت قانونی نسبت به سایر جامعه ها بزرگ تر بوده و مهم ترین جامعه مرتبط با وب سایت های دریافت و تماشای ویدیو است. پژوهش حاضر نشان داد که نیازهای مخاطبان در رجوع به بستر ویدیویی و حتی در جابجایی بین بسترها، تاثیرگذار است و از طرفی، می توان استدلال کرد که مخاطب بودن حالتی جست وجوگرانه پیدا کرده است و مخاطب در جست وجوی برطرف ساختن نیازهای خود، بین جوامع درحرکت بوده و بنا به نظریه مخاطب فعال، قابلیت اثرگذاری از طریق رفتار بر زیست بوم رسانه ای را دارد.کلید واژگان: وب سایت های ویدئویی، کاربران، تحلیل شبکه اجتماعی، جامعه، رفتارDue to the evolution of media technologies in the field of production and distribution of media products and services, user behavior has become an important element in shaping the ecosystem of video watching and downloading websites. In this regard, the current research is focused on the study of the video content consumption behavior of the users and has examined the communication pattern of the members of the ecosystem of Iranian video sites with the technique of social network analysis. The current research was conducted with a quantitative approach and social network analysis method and has 2 research phases: a) Sampling of Iranian video download and watch sites through web scraping method b) Visualization, community detection, and social network analysis of Iranian video watch and download websites. According to the research findings, the ecosystem of video downloading and watching websites in Iran includes 144 elements and 8 communities and includes communities of user-generated content, Video on Demand, legal purchase, legal reception, illegal reception, subtitles, and East Asian content. The legal downloading community is larger than other communities and is the most important community related to video downloading and watching websites. The present study showed that the audience's needs are influential in referring to the video platform and even in moving between the platforms, on the other hand, it can be argued that being an audience has found a searching state and the audience is moving between societies in search of satisfying their needs. According to the active audience theory, it has the ability to influence the media ecosystem through behavior.Keywords: video websites, website ecosystem, user behavior, Social Network Analysis, community detection, audience
-
اجتماعیابی (کشف اجتماعات) یکی از شاخههای نوظهور و پرطرفدار در علم داده کاوی و تحلیل شبکههای اجتماعی است که کاربردهای فراوانی در کشف و تحلیل اجتماع ها در سایت های اینترنتی، شبکه های زیستی، علمی و پژوهشی و غیره دارد. اجتماعیابی صفحات اینترنتی میتواند به طور ویژه به مدیران سایتهای اینترنتی در تخصیص پهنای بهینه به شبکه صفحات وب تحت نظارتشان کمک کند. در اکثر روش های اجتماعیابی موجود فقط از توپولوژی شبکه (ارتباطات، یالها) برای گروهبندی گرهها (صفحات وب) استفاده میشود؛ درحالی که نتایج پژوهشهای اخیر نشان داده است که اینگونه روشها باید به گونه ای تغییر کند که در آن ها علاوه بر توپولوژی، ویژگی های ذاتی گرهها نیز در فرآیند اجتماعیابی لحاظ شود. ازاین رو در این مقاله برای اولین بار با لحاظ کردن هم زمان ویژگی های ذاتی صفحات وب و ارتباطات میان آن ها، یک مدل ریاضی برای کشف اجتماعات در شبکههای اینترنتی توسعه داده شده است. روش پیشنهادی این پژوهش بدین صورت است که برای لحاظ کردن ویژگیها در فرآیند اجتماعیابی، ابتدا با استفاده از یک رویکرد ریاضی، میزان شباهت صفحات وب به کمک یک سنجه شباهت (مانند جاکارد یا ضریب انطباق) و بردار ویژگیها محاسبه و به عنوان وزن به یال های موجود بین آن ها در شبکه اینترنتی موردنظر افزوده میشود. با این کار عملا یک شبکه اینترنتی ویژگیدار با یال های غیر موزون به یک شبکه بدون ویژگی با یالهای موزون تبدیل میشود. سپس با استفاده از یک مدل ریاضی (که مختص شبکههایی با یال های موزون است)، اجتماعات موجود در این شبکه موزون کشف میشود. برای اعتبارسنجی و اثبات کارایی، در قالب آزمونهای فرض آماری ادعاشده است که کیفیت اجتماعات کشفشده توسط رویکرد ریاضی پیشنهادی (که ویژگیهای صفحات وب را لحاظ میکند) به طور آماری بهتر از مدلهای ریاضی پیشین (که از ویژگیها چشمپوشی میکند) است. نتایج آزمونهای آماری روی شبکه اینترنتی واقعی نشان میدهد که مدل پیشنهادی این پژوهش در حالتی که از معیار جاکارد برای محاسبه میزان شباهت صفحات وب استفاده میکند به طور معنی داری (با P-value=0.01) باعث کشف اجتماعاتی بهتر در قیاس با مدلهای ریاضی پیشین شده است. همچنین نتایج دیگر آزمونهای آماری نیز نشان میدهد که انتخاب سنجه شباهت متناسب با ماهیت شبکه، تاثیر بسزایی در میزان کیفیت رویکرد پیشنهادی دارد.
کلید واژگان: اجتماع یابی، بهینه سازی پودمانگی، توپولوژی شبکه، شبکه اینترنتی، صفحات وب، مدل ریاضی، ویژگی های گرهCommunity detection is one of the emerging and well-known topics in the area of data mining and social network analysis, which has wide variety applications in discovering communities in real-world networks such as biological networks, internet weblogs, scientific and research websites, etc. Web community detection can especially help admins assign the optimal bandwidth to the websites of theirown networks. Most of web community detection approaches only use the network topology to discover the web communities. However, the results of the most recent researches show that traditional community detection methods have to be substantially modified to consider web attributes as well as network topology. Therefore, in this paper, a mathematical programming approach is developed for community detection in attributed internet networks by simultaneously considering both network topology and node attributes. In this approach, first, similarities of web pages are calculated using node attributes and a desired similarity measure and are considered as the weight of the corresponding edges. Then, communities of the resulted weighted network will be detected by the proposed mathematical model. To validate and prove the efficiency, it is hypothesized that the detected communities of the proposed approach have a better quality than that of previous models. Experimental results demonstrate that the proposed approach has the ability to significantly improve the quality of detected web communities, when the model uses the Jaccard index. However, the results of other hypotheses indicate that the correct selection of similarity measure has a significant impact on the quality of the detected communities.
Keywords: community detection, Internet network, mathematical model, Modularity optimization, Network topology, Node attributes, web pages
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.