بهبود پيش بيني تحوالت شبكه هاي پويا با تاكيد بر تشخيص رخ دادها

كارشناسي ارشد

در شبكههاي اجتماعي، كشف جوامع يك سطح بالا از اطلاعات را فراهم مي‌آورد كه سبب درك بهتر شبكه مي‌گردد. در مساله پيش‌بيني تحولات جوامع در شبكه، هدف اين است كه با تحليل و بررسي تحولات شبكه در پنجره‌هاي زماني پشت‌سر‌هم، به دنبال شناسايي الگويي در جهت پيش‌بيني آينده تحولات جوامع در شبكه ‌باشيم. در اكثر قريب به اتفاق كارهايي كه تاكنون در زمينهي تقسيمبندي و يا پنجرهبندي دادههاي زماندار، در جهت تحليل روند تغييرات شبكه انجام شده است، اندازهي پنجره‌ها به صورت ثابت در نظر گرفته شده و اين پنجره‌گذاري به صورت دستي و بر مبناي دانش انسان از داده مورد بررسي، صورت ميگيرد. . اين در صورتي است كه در يك پنجره ممكن است رخدادهاي مهمي به وقع بپيوندد در حالي كه در چندين پنجرهي بعدي رخداد قابل ذكري وجود نداشته باشد. در حالت اول با مشكل از دست دادن دانش ناشي از رخدادهاي فراوان در يك پنجره و در حالت دوم با مشكل صرف منابع پردازشي بدون دستيابي به دانش مفيد رو برو خواهيم بود. بزرگ در نظر گرفتن اندازهي پنجره مشكل اول را حادتر كرده در حالي كه كوچك در نظر گرفتن اندازهي پنجرهها مشكل دوم را افزايش ميدهد. در نتيجه در اين تحقيق براي اولين بار به راهحلي رسيديم كه توسط آن دادههاي شبكههاي اجتماعي بر روي خط زمان را ميتوان به صورت خودكار به پنجرههاي زماني با اندازههاي متغير مناسب براي الگوريتمهاي مختلف از جمله الگوريتمهاي تشخيص تحولات جوامع تقسيمبندي كرد. در اين پايان نامه طول اين پنجرهها در راستاي بهبود پيمانگي، بزرگ يا كوچك شده و در نهايت و با استفاده از محاسبات اوليهي مطرح شده، نشان خواهيم‌داد چگونه ميتوان كيفيت خروجي پيش‌بيني تحولات جوامع در مقايسه با ساير الگوريتم‌هاي ارائه شده در اين حوزه را بهبود داد.

209727

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر

حسن نادري