ارائه مدلی برای شبکه های اجتماعی چندلایه پویا برای کشف گروه های تاثیرگذار، مبتنیبر ترکیب الگوریتم تکاملی جهش قورباغه و خوشه بندی C-means
امروزه علم و فن آوری با آهنگی شتابناک در حال رشد است و شبکه های اجتماعی پیچیده به بخشی ضروری از زندگی تبدیل شده اند، آن گونه که بحث جدایی مردم از شبکه های درهم پیچیده ای که مبتنی بر نیازهای اساسی زندگی است بحث ناگزیری در زندگی روزمره و عرصه دانش است. در پژوهش پیش رو مدلی برای شبکه های اجتماعی چندلایه ای پویا برای کشف گروه های تاثیرگذار، مبتنی بر ترکیبب الگوریتم تکاملی جهش قورباغه و خوشه بندی C-means ارایه شده است. بدین ترتیب که پس از جمع آوری داده ها به پاک سازی و نرمال سازی آن ها پرداخته شد تا داده های مطلوب منجر به شناسایی افراد و گروه های موثر شود که در ادامه کار ماتریس تصمیم شکل گرفت و از روی آن شناسایی و خوشه بندی(مبتنی بر خوشه بندی فازی) انجام شد و اهمیت گروه ها نیز مشخص گردید. برای دستیابی به افراد و گروه های تاثیرگذار در شبکه های اجتماعی، از الگوریتم قورباغه جهنده برای بهبود تشخیص پارامترهای تاثیرگذار استفاده شد که باعث بهبود اهمیت گره ها شده است. در ارزیابی و شبیه سازی بخش خوشه بندی، روش پیشنهادی با روش K-means مقایسه و نتیجه مقدار تعادل روش در انتخاب خوشه برابر 5 شد. گفتنی است که روش پیشنهادی به نسبت روش های مورد مقایسه، بهبود مناسب تری را نشان داد. همچنین ارزیابی معیار صحت روش پیشنهادی به نسبت روش های همسان بهبود 3.3 داشته و نسبت به روش پایه M-ALCD بهبود 3.8 را به ثبت رسانده است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.