مقاله کنفرانسی سال ۱۴۰۱ فارسی

ارائه الگوریتم کارا جهت محاسبه مرکزیت بینابینی در شبکه های اجتماعی

چکیده مقاله

چگونگی توسعه شبکه های اجتماعی و تغییرات ساختاری آن ها یکی از موارد مورد بحث در مورد شبکه های اجتماعی است وچندین مورد برای پیش بینی ویژگی های شبکه های اجتماعی ارائه شده است تحلیل شبکه های اجتماعی و یافتن مراکز تاثیر گذار در شبکه از مسایل بسیار مهم و چالش بر انگیز می باشد و روش های متعددی برای آن ارائه شده است تحقیقات بسیاری بر روی یافتن مرکزیت یا دیدگاه های متعدد ارائه شده است که از آن جمله می توان به روش های یافتن مرکزیت بینابینی اشاره کرد هدف از پژوهش حاضر،بررسی یک الگوریتم کارا جهت محاسبه مرکزیت بینابینی در شبکه های اجتماعی است برای این الگوریتم از روش خوشه بندی میانگین فازی و الگوریتم متفاوت کوتاه ترین مسیر استفاده شده است که بعد از معرفی دقیق هر کدام از مدل ها،با در نظر گرفتن شبکه های اجتماعی باشگاه کاراته،فیس بوک و آمازون این مدل ها پیاده سازی مورد بررسی و مقایسه قرار گرفته اند نتایج نشان دادند که استفاده از مرحله خوشه بندی قبل از محاسبه مرکزیت بینا بینی،یک مرحله ضروری و مهم است که دقت در محاسبه مرکزیت را به صورت قابل توجهی افزایش دهد

کلیدواژه‌ها

خوشه بندی شاخص های مرکزیت بینا بینی مرکزیت تحلیل شبکه های اجتماعی

نویسندگان

تصویر مهسا بدریکتا

مهسا بدریکتا

کارشناسی ارشد هوش مصنوعی ،دانشگاه پردیس خوارزمی ،تهران،ایران

شیوه ارجاع

�دریکتا، مهسا و میر طاهری، سیده لیلی،1401،ارائه الگوریتم کارا جهت محاسبه مرکزیت بینابینی در شبکه های اجتماعی،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۱ ۱,۲۴۶ مشاهده

تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد در حال حاضر…

ام آر آییادگیری عمیقتومور مغزی
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار ADS دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آین…

LiDARسیستم های خودرانوسایل نقلیه خودران
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مقایسه عملکرد دو مدل شبکه عصبی عمیق BiLSTM و CNN در پیش بینی قیمت سهام (مطالعه موردی: بورس اوراق بهادار تهران)

شبکه های عصبی به عنوان یک پیشرفت تکنولوژیک در زمینه یادگیری عمیق به ویژه در پردازش داده هایساختار بافته…

یادگیری عمیقشبکه های عصبیپیش بینی قیمت سهام
مقاله کنفرانسی سال ۱۴۰۱ ۹۴۲ مشاهده

مروری بر سیستم های توصیه گر مبتنی بر گراف دانش

در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک…

گراف دانشفاکتورسازی ماتریسسیستم های توصیه گر
مقاله کنفرانسی سال ۱۴۰۱ ۸۰۸ مشاهده

بهبود روش LIME با نمونه برداری هوشمند و غیر قطعی

LIME یکی از محبوب ترین مدل های هوش مصنوعی توضیح پذیر XAI ، است که سعی در شفاف سازی دلایل تصیم گیری مدل ه…

ثباتوفاداریروشLIME
مقاله کنفرانسی سال ۱۴۰۱ ۷۶۵ مشاهده

سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده ا…

گراف دانشسامانه توصیه گرشبکه عصبی کانولوشن