چکیده
اخیراٌ، در وب سایت‌های شبکه‌ی اجتماعی شاهد حجمی وسیعی از داده‌های متنوع هستیم. تحلیل یک چنین داده‌هایی منجر به کشف اطلاعات و روابط ناشناخته در این شبکه‌ها گردیده است. شناسایی جوامع، فرآیندی است که به شناسایی گره‌های مشابه می‌پردازد و لذا می‌توان آنرا وظیفه ای چالش بر انگیز در حیطه‌ی تحلیل داده‌های شبکه‌های اجتماعی دانست. این علم به طور گسترده در جامعه‌ی شبکه‌های اجتماعی و آنهم از نظر ساختارهای گراف موجود در این شبکه‌ها مورد مطالعه قرار گرفته است. شبکه‌های اجتماعی آنلاین و همچنین ساختارهای گراف، شامل اطلاعات کاربردی مفیدی در داخل شبکه‌ها می‌باشند. استفاده از این اطلاعات می‌تواند بهبود فرآیند کشف یک جامعه را به همراه داشته باشد. در این مطالعه، روشی را برای کشف یک جامعه ارائه می‌دهیم. علاوه بر استفاده از ارتباطات بین گره‌ها به منظور بهبود کیفیت جوامع کشف شده، اطلاعات محتوا را نیز مورد استفاده قرار می‌دهیم. این روش را می‌توان روشی جدید بر مبنای الگوهای تکرار شونده و فعالیت‌های کاربران در شبکه و مخصوصاٌ سایت‌های شبکه‌های اجتماعی ای دانست که کاربران یک سری فعالیت سلیقه ای را انجام می‌دهند. روش پیشنهادی ما دو نقش را ایفا می‌سازد. در ابتدا بر مبنای فعالیت‌های کاربران در شبکه، بعضی از جوامعی که دارای کاربران مشابهی می‌باشند را کشف می‌کند و به دنبال آن از روابط اجتماعی استفاده کرده و جوامع بیشتری را کشف می‌سازد. از مقیاس اف، به منظور ارزیابی نتایج دو مجموعه‌ی داده ای واقعی استفاده می‌کنیم (Blogcatalog /Flicker). اثبات خواهیم نمود که روش پیشنهادی می‌تواند کیفیت کشف جوامع را بهبود دهد.
1-مقدمه
بیش از دو دهه است که تراکنش‌هایی که بین آرتیست‌ها صورت می‌گیرد، به همراه تعیین ساختارهای مهم جوامع در شبکه‌های اجتماعی مورد تحلیل قرار گرفته است [7]. این امکان وجود دارد که بتوان شبکه‌های اجتماعی را از جنبه‌های متفاوتی مشاهده کرد؛ مانند فیس بوک که به طور خاص برای تعاملات اجتماعی طراحی شده‌اند و یا FLICKER که سرویس‌های مختلفی مانند اشتراک گذاری محتوا می‌پردازد و تعاملات اجتماعی وسیعی در بین کاربران آن رخ می‌دهد....
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید