Skip Navigation Links

عنوان ترجمه شده مقاله: شناسایی جامعه همپوشان بنا بر مقیاس: یک روش فاکتور گیری غیرمنفی ماتریس

مقاله ترجمه شده در مورد جامعه شبکه ای با موضوع : شناسایی جامعه همپوشان بنا بر مقیاس: یک روش فاکتور گیری غیرمنفی ماتریس، در این بخش قابل دانلود است.

Abstract

Network communities represent basic structures for understanding the organization of real-world networks. A community (also referred to as a module or a cluster) is typically thought of as a group of nodes with more connections amongst its members than between its members and the remainder of the network. Communities in networks also overlap as nodes belong to multiple clusters at once. Due to the difficulties in evaluating the detected communities and the lack of scalable algorithms, the task of overlapping community detection in large networks largely remains an open problem. In this paper we present BIGCLAM (Cluster Affiliation Model for Big Networks), an overlapping community detection method that scales to large networks of millions of nodes and edges. We build on a novel observation that overlaps between communities are densely connected. This is in sharp contrast with present com-munity detection methods which implicitly assume that overlaps between communities are sparsely connected and thus cannot properly extract overlapping communities in networks. In this paper, we develop a model-based community detection algorithm that can detect densely overlapping, hierarchically nested as well as non-overlapping communities in massive networks. We evaluate our algorithm on 6 large social, collaboration and information networks with ground-truth community information. Experiments show state of the art performance both in terms of the quality of detected com-munities as well as in speed and scalability of our algorithm

چکیده

جوامع شبکه ای نشان دهنده ساختارهای اصلی برای درک سازمان دهی شبکه های دنیای واقعی هستند. یک جامعه (که یک ماژول یا یک گروه نیز نامیده می شود) به طور معمول به عنوان گروهی از گره ها (ند ها)تلقی می شود که ارتباط میان اعضایش نسبت به ارتباط بین اعضای آن و باقی مانده ی شبکه بیشتر است. هم چنین جوامع موجود در شبکه ها با هم همپوشانی دارند به طوری که گره ها بطور همزمان متعلق به چندین خوشه (گروه) هستند. با توجه به دشواری ارزیابی تشخیص جوامع وفقدان الگوریتم های مقیاس پذیر، هنوز هم کار  تشخیص جامعه ی هم پوشان در شبکه های بزرگ تا حد زیادی به عنوان یک مساله بزرگ باقی مانده است. در این مقاله ما یک BIGCLAM ارائه می کنیم(مدل وابستگی گروهی برای شبکه های بزرگ)، که یک روش تشخیص جامعه همپوشان است که شبکه های بزرگی از میلیون ها گره و لبه را مقیاس گذاری می کند. ما با یک مشاهده جدید مواجه می شویم و آن این  که بین جوامعی که بطور متراکمی به هم متصل هستند هم پوشانی بوجود می آید.  این مساله کاملا در تضاد با روش های تشخیص جامعه موجود است که در آن ها به طور ضمنی فرض می شود که همپوشانی بین جوامعی رخ می دهد که بطور پراکنده در ارتباطند و در نتیجه به درستی نمی توانند جوامع همپوشان موجود در شبکه ها را استخراج نمایند.  در این مقاله، ما یک الگوریتم شناسایی جامعه ی مبتنی بر مدل را توسعه می دهیم که می تواند جوامع همپوشان متراکم، جوامع آشیانه ای(تو در تو) سلسله مراتبی و نیز جوامع غیر همپوشان موجود در شبکه های بزرگ را شناسایی کند. ما الگوریتم مان را بر روی 6 شبکه اجتماعی، شبکه همکاری و شبکه اطلاعاتی بزرگ بوسیله ی اطلاعات جامعه ی حقیقت مبنا(جامعه حقیقت مبنا جامعه ای است که بر اساس یافته های عینی و واقعی استوار است)، ارزیابی می کنیم. آزمایش ها نشان دهنده عملکرد جدیدترین تکنولوژی هم  برحسب کیفیت جوامع شناسایی شده و هم در سرعت و مقیاس پذیری الگوریتم ما است.

1-مقدمه

بخش بزرگی از فعالیت ها در علوم کامپیوتر، آمار، ریاضیات کاربردی و فیزیک آماری به شناسایی ساختار جامعه در شبکه های پیچیده اختصاص یافته است( ارزیابی رفرنس های [8، 28، 32] را ملاحظه کنید). یک جامعه (که یک ماژول یا یک گروه نیز نامیده می شود) به عنوان گروهی از گره ها تلقی می شود که از تعاملات بیشتری در میان اعضای آن نسبت به تعاملات بین اعضای آن و باقی مانده شبکه برخوردار است [10]. چنین گروه هایی از گره ها (یعنی، جوامع) اغلب به عنوان واحدهای سازمان یافته در شبکه های اجتماعی  [7، 29]، واحدهای عملیاتی در شبکه های بیوشیمی [17]، زیست خوان های اکولوژیکی در شبکه های غذایی [10]، و یا رشته های علمی در شبکه های استنادی و همکاری [3] تفسیر شده اند....


گروه ترجمه تخصصی البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " شناسایی جامعه همپوشان بنا بر مقیاس: یک روش فاکتور گیری غیرمنفی ماتریس " نموده است که شما کاربر گرامی می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
شناسایی جامعه همپوشان بنا بر مقیاس: یک روش فاکتور گیری غیرمنفی ماتریس
نویسنده/ناشر/نام مجله :
Proceedings of the sixth ACM international conference on Web search and data mining
سال انتشار
2013
کد محصول
1010781
تعداد صفحات انگليسی
10
تعداد صفحات فارسی
44
قیمت بر حسب ریال
205000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
1 مگا بایت
تصویر پیش فرض


این مقاله ترجمه شده را با دوستان خود به اشتراک بگذارید
سایر مقالات ترجمه شده مهندسی فناوری اطلاعات , مهندسی كامپيوتر را مشاهده کنید.
کاربر گرامی، بلافاصله پس از خرید مقاله ترجمه شده مقاله ترجمه شده و با یک کلیک می توانید مقاله ترجمه شده خود را دانلود نمایید. مقاله ترجمه شده خوداقدام نمایید.
جهت خرید لینک دانلود ترجمه فارسی کلیک کنید
جستجوی پیشرفته مقالات ترجمه شده
برای کسب اطلاعات بیشتر، راهنمای فرایند خرید و دانلود محتوی را ببینید
هزینه این مقاله ترجمه شده 205000 ریال بوده که در مقایسه با هزینه ترجمه مجدد آن بسیار ناچیز است.
اگر امکان دانلود از لینک دانلود مستقیم به هر دلیل برای شما میسر نبود، کد دانلودی که از طریق ایمیل و پیامک برای شما ارسال می شود را در کادر زیر وارد نمایید


این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:



Network communities
Overlapping community detec- tion
Matrix factorization

تاریخ انتشار در سایت: 2017-06-20
جستجوی پیشرفته مقالات ترجمه شده
نظرتان در مورد این مقاله ترجمه شده چیست؟