کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4948527 1439617 2016 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Uncovering fuzzy communities in networks with structural similarity
ترجمه فارسی عنوان
کشف جوامع فازی در شبکه های با شباهت ساختاری
کلمات کلیدی
تشخیص جامعه، جامعه فازی، شباهت ساختاری، خوشه بندی فازی، نمودار معیار،
ترجمه چکیده
تشخیص جامعه یک وظیفه مهم برای کشف ساختارهای زیرین و تجزیه و تحلیل رفتار گروهی در شبکه های پیچیده است. روش تشخیص جامعه فازی در این مقاله برای تشخیص ساختارهای جامعه فازی بدون هیچ گونه دانش قبلی پیشنهاد شده است. در مقایسه با مطالعات قبلی، یک شباهت ساختاری را برای اندازه گیری رابطه فازی بین رأس ها بر اساس تعاملات محلی بین رأس های همسایه معرفی می کنیم. در روش ما، ما شباهت فازی بین رأس ها و تعامل فازی از شباهت در توپولوژی شبکه را در نظر می گیریم. علاوه بر این، ساختارهای جامعه چندتایی را می توان با تغییر آستانه فازی شناسایی کرد. نتایج تجربی و مقایسات با برخی از روش های پیشرفته ترین حالت بر روی انواع مختلف نمودار ها ارائه شده است. این نشان می دهد که این روش در تشخیص جوامع در شبکه های واقعی و مصنوعی کارآمد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
کشف جوامع فازی در شبکه های با شباهت ساختاری
چکیده انگلیسی
Community detection is an important task for uncovering underlying structures and analyzing group behavior in complex networks. A fuzzy community detection method is proposed in this paper to detect fuzzy community structures without any prior knowledge. Compared with previous studies, we introduce a structural similarity to measure fuzzy relation between vertices based on local interactions between neighboring vertices. In our method, we take the fuzzy similarity between vertices and fuzzy transitivity of the similarity in network topology into consideration. Moreover, multiresolution community structures can be detected by varying the fuzzy threshold. Experimental results and comparisons with some state-of-the-art methods are presented on a variety of benchmark graphs. It shows that the method is efficient in detecting communities on both real-world and synthetic networks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 210, 19 October 2016, Pages 26-33
نویسندگان
, , , ,