کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4944891 1438015 2016 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Detecting and refining overlapping regions in complex networks with three-way decisions
ترجمه فارسی عنوان
تشخیص و پالایش مناطق همپوشانی در شبکه های پیچیده با تصمیم های سه گانه
کلمات کلیدی
جامعه همپوشانی تصمیمات سه گانه، خوشه بندی مجموعه های فاصله،
ترجمه چکیده
شناسایی جوامع برای درک ویژگی های ساختاری و عملکردی یک شبکه پیچیده ضروری است. بسیاری از روش ها و الگوریتم ها برای تشخیص جوامع با هم تداخل ایجاد شده اند. یک مشکل که به طور رضایتبخشی مورد توجه قرار نگرفته است رابطه یا تفاوت بین رأس ها در مناطق همپوشانی در طول شکل گیری و رشد جوامع است. این مقاله روش هایی را مورد بررسی قرار می دهد که نه تنها جوامع همپوشانی را تشخیص می دهد بلکه همچنین مناطق همپوشانی را تصحیح می کند. ما با استفاده از مجموعه های بازه ای یک نمای سه بعدی از یک جامعه را ارائه می دهیم و مشکل تشخیص جامعه را به عنوان خوشه بندی سه گانه ی مجدد رسم می کنیم. ما پیشنهاد می دهیم که چهار نوع ماکرو و هشت نوع میکرو از رأس ها برای توصیف اعضا در مناطق همپوشانی برای تکمیل آنها باشد. ما با طبقه بندی رأس ها به هسته های هسته، رأس های استخوان و رأس های جزئی، یک الگوریتم تشخیص جامعه همپوشانی پیشنهاد می کنیم. استراتژی اصلی این الگوریتم یافتن هسته خوشه ای اولیه است، برای گسترش هسته به یک جامعه اولیه به ترتیب با عملکرد جدید تناسب اندام و ادغام رأس های بی اهمیت بر اساس استراتژی تصمیم گیری سه طرفه. نتایج تجربی در هر دو شبکه اجتماعی واقعی و شبکه های مصنوعی کامپیوتری اثربخشی و کارایی روش های پیشنهادی را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تشخیص و پالایش مناطق همپوشانی در شبکه های پیچیده با تصمیم های سه گانه
چکیده انگلیسی
The identification of communities is crucial to an understanding of the structural and functional properties of a complex network. Many methods and algorithms have been developed to detect overlapping communities. A problem that has not been addressed satisfactorily is the relationship or difference between vertices in overlapping regions during the formation and growth of communities. This paper investigates methods that not only detect the overlapping communities but also refine the overlapping regions. We give a three-way representation of a community by using interval sets and re-formalize the problem of community detection as three-way clustering. We suggest four macro types and eight micro types of vertices to characterize members in overlapping regions for their refinement. We propose an overlapping community detection algorithm by classifying the vertices into core vertices, bone vertices, and trivial vertices. The main strategy of this algorithm is to find an initial cluster core, to expand the core to a preliminary community according to a new fitness function, and to merge trivial vertices based on three-way decision strategies. The experimental results on both real-world social networks and computer-generated artificial networks show the effectiveness and efficiency of the proposed methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 373, 10 December 2016, Pages 21-41
نویسندگان
, , , ,