کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
974281 932966 2016 8 صفحه PDF 15 صفحه WORD دانلود کنید
عنوان انگلیسی مقاله
Combining fuzzy logic and eigenvector centrality measure in social network analysis
ترجمه فارسی عنوان
ترکیب منطق فازی و مقیاس مرکزیت بردار ویژه در تحلیل شبکه اجتماعی
کلمات کلیدی
تحلیل شبکه ی اجتماعی، مرکزیت بردار ویژه، سیستم استنباط فازی
فهرست مطالب مقاله
چکیده

کلیدواژگان

1. مقدمه

2. روش ها 

3. الگوریتم 

4. نتایج تجربی 

5. نتیجه گیری
ترجمه چکیده
افزایش سریع استفاده از شبکه های اجتماعی پایه و اساس بسیار خوبی برای ارائه خدمات مختلف، افزایش سود خدمات و سود کسب و کار بوجود آورده است. در نتیجه با توجه به سطوح مختلف فعالیت های اعضا در این شبکه ها، یافتن اعضای شدیدا فعالی که می توانند بر روی انتخاب نقش اعضای دیگر اجتماع تأثیر بگذارند یکی از مهم ترین مسائل چالش برانگیز در سال های اخیر بوده است. این گره ها که معمولا دارای تعداد بسیار زیادی از روابط با تعداد زیادی از تعاملات کیفی می باشند، گره های تأثیرگذار نامیده می شوند. چندین نوع روش و معیار جهت یافتن این گره ها ارائه شده است. میان این معیارها، مرکزیت معیاری است که انواع مختلف گره های تأثیرگذار در یک شبکه را شناسایی می کند. در این جا ما چهار عامل مختلف تعریف می کنیم که بر روی قدرت یک رابطه تأثیر می گذارند. یک سیستم استنباط فازی قدرت هر یک از روابط را محاسبه می کند، یک ماتریس قطعی ایجاد می کند که در المان های مربوطه قدرت هر رابطه را شناسایی می کنند و با استفاده از این ماتریس، معیار بردار ویژه تأثیرگذارترین گره را محاسبه می کند. اعمال روش پیشنهادی ما منجربه انتخاب یک گره مرکزی حقیقی تر با توجه به قدرت تمامی روابط شد.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی


• A combined algorithm of fuzzy inference system and eigenvector centrality is proposed.
• Social interactions are measured by different factors with different weights.
• The influencing factors in a social network are used to weight the friendship strength using the fuzzy logic.
• The most influential person is calculated using eigenvector centrality after feeding it with the fuzzy logic results.
• The method is applied on large data sets such as Facebook, Epinions, and Slashdot-zoo website.

The rapid growth of social networks use has made a great platform to present different services, increasing beneficiary of services and business profit. Therefore considering different levels of member activities in these networks, finding highly active members who can have the influence on the choice and the role of other members of the community is one the most important and challenging issues in recent years. These nodes that usually have a high number of relations with a lot of quality interactions are called influential nodes. There are various types of methods and measures presented to find these nodes. Among all the measures, centrality is the one that identifies various types of influential nodes in a network. Here we define four different factors which affect the strength of a relationship. A fuzzy inference system calculates the strength of each relation, creates a crisp matrix in which the corresponding elements identify the strength of each relation, and using this matrix eigenvector measure calculates the most influential node. Applying our suggested method resulted in choosing a more realistic central node with consideration of the strength of all friendships.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 459, 1 October 2016, Pages 24–31
نویسندگان
, , ,