کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4954344 | 1443313 | 2017 | 36 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A label-based evolutionary computing approach to dynamic community detection
ترجمه فارسی عنوان
یک روش محاسباتی تکاملی مبتنی بر برچسب به تشخیص پویایی جامعه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
خوشه تکاملی، پخش برچسب، شبکه های پویا، تشخیص جامعه،
ترجمه چکیده
تشخیص جامعه پویا فرآیند کشف ساختار و تعیین تعداد جوامع در شبکه های پویا است که شامل یک سری عکس های فوری شبکهای است. با توجه به ویژگی های مختلف زمان در چنین شبکه هایی، تشخیص جامعه باید کیفیت ساختار جامعه و هزینه های زمانی که تفاوت بین تصویر لحظه ای شبکه فعلی و آنهایی که قبلا تعیین شده اند را در نظر بگیرند. در این مقاله، ما یک الگوریتم بهینه سازی چند منظوره مبتنی بر برچسب برای تشخیص جامعه پویا پیشنهاد می کنیم که الگوریتم ژنتیکی را برای بهینه سازی دو هدف، یعنی کیفیت خوشه بندی و هزینه های زمانی، به کار می گیرد. یک روش انتشار برچسب، طراحی شده و مورد استفاده قرار می گیرد تا مقداردهی مجدد جوامع شبکه و محدود کردن شرایط فرآیند جهش را برای بهبود کارایی و اثربخشی تشخیص دهد. ما آزمایش های انجام شده در هر دو مجموعه داده های سنتزی و تجربی را انجام می دهیم و نتایج گسترده نشان می دهد که روش پیشنهادی از نظر کیفیت و سرعت تشخیص، از الگوریتم پیشرفته تر است، که بر روی کاربردهای وسیع آن به شبکه های مختلف پیچیده با ساختارهای پویا مانند شبکه های اجتماعی آنلاین سریع در حال رشد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
Dynamic community detection is the process to discover the structure of and determine the number of communities in dynamic networks consisting of a series of temporal network snapshots. Due to the time-varying characteristics of such networks, community detection must consider both the quality of the community structure and the temporal cost that quantifies the difference between the current network snapshot and previous ones. In this paper, we propose a label-based multi-objective optimization algorithm for dynamic community detection, which employs a genetic algorithm to optimize two objectives, i.e. clustering quality and temporal cost. A label propagation method is designed and used to initialize the network's communities and restrict the conditions of the mutation process to further improve the detection efficiency and effectiveness. We conduct experiments on both synthesized and empirical datasets, and extensive results illustrate that the proposed method outperforms a state-of-the-art algorithm in terms of detection quality and speed, which sheds light on its wide applications to various complex networks with dynamic structures such as rapidly growing online social networks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Communications - Volume 108, 1 August 2017, Pages 110-122
Journal: Computer Communications - Volume 108, 1 August 2017, Pages 110-122
نویسندگان
Xinzheng Niu, Weiyu Si, Chase Q. Wu,