کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10338324 693565 2016 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Uncovering the fingerprint of online social networks using a network motif based approach
ترجمه فارسی عنوان
کشف اثر انگشت شبکه های اجتماعی آنلاین با استفاده از رویکرد مبتنی بر شبکه
کلمات کلیدی
شبکه های اجتماعی آنلاین، توپولوژی شبکه جامع، نقوش شبکه، طبقه بندی، شباهت،
ترجمه چکیده
شبکه های پیچیده، درک فرآیندهای طبیعی و انسان را تسهیل می کنند و براساس مفاهیمی که آنها مدل می کنند، طبقه بندی می شوند: بیولوژیکی، تکنولوژیکی، اجتماعی و معنایی. زیرگرافی های مربوطه در این شبکه ها، به نام شباهت های شبکه، نشان داده شده است که جنبه های اصلی عملکرد شبکه را نشان می دهد و می تواند برای تجزیه و تحلیل شبکه های پیچیده بر اساس اثر انگشت توپولوژیکی آن استفاده شود. ما یک رویکرد جدید برای طبقه بندی شبکه های اجتماعی را بر اساس جنبه های توپولوژیکی خود با استفاده از مضامین پیشنهاد می کنیم. به همین ترتیب، طبقه بندی ها را برای توپولوژی های منظم، تصادفی، کوچک و بدون مقیاس آزاد تعریف می کنیم و سپس این طبقه بندی را در شبکه های تجربی اعمال می کنیم. سپس ما نشان می دهیم که چگونه مطالعه ما دیدگاه جدیدی را برای تمایز بین شبکه های اجتماعی آنلاین مانند فیس بوک، توییتر و گوگل پلاس براساس توزیع نقاط شبکه در کلاس های توپولوژیکی اساسی ارائه می دهد. الگوهای مشخصی از نقوش برای هر یک از شبکه های آنلاین تجزیه و تحلیل شده به دست می آیند و برای بهتر توضیح ویژگی های عملکردی در پشت چگونگی تعامل آنلاین با افراد و تعریف طبقه بندی هایی که می توانند نقشه های هر شبکه آنلاین را به مجموعه ای از خواص توپولوژیک-ارتباطی بدست آورند، مورد استفاده قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
Complex networks facilitate the understanding of natural and man-made processes and are classified based on the concepts they model: biological, technological, social or semantic. The relevant subgraphs in these networks, called network motifs, are demonstrated to show core aspects of network functionality and can be used to analyze complex networks based on their topological fingerprint. We propose a novel approach of classifying social networks based on their topological aspects using motifs. As such, we define the classifiers for regular, random, small-world and scale-free topologies, and then apply this classification on empirical networks. We then show how our study brings a new perspective on differentiating between online social networks like Facebook, Twitter and Google Plus based on the distribution of network motifs over the fundamental topology classes. Characteristic patterns of motifs are obtained for each of the analyzed online networks and are used to better explain the functional properties behind how people interact online and to define classifiers capable of mapping any online network to a set of topological-communicational properties.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Communications - Volume 73, Part B, 1 January 2016, Pages 167-175
نویسندگان
, , ,