|
Title
|
شناسایی گره های تأثیرگذار بر اساس یادگیری بازنمایی شبکه در شبکه های پیچیده
|
|
Type of Research
|
Thesis
|
|
Keywords
|
گره های تأثیرگذار، بازنمایی شبکه، شبکه های پیچیده
|
|
Abstract
|
شبکه های پیچیده، ابزاری بسیار ساده و در عین حال مفید برای نمایش خصوصیات سیستم های پیچیده واقعی هستند. در سال های اخیر، تئوری شبکه های پیچیده در بسیاری از زمینه ها، از جمله علوم طبیعی، اقتصاد، علوم مدیریت، علوم زیست شناسی و علوم کامپیوتر بسیار مورد توجه قرار گرفته است. شبکه های اجتماعی نوعی از شبکه های پیچیده می-باشند که به وسیله گراف نمایش داده می شوند. هر گراف از تعدادی گره و یال تشکیل شده که گره ها نشان دهنده افراد و یال-ها بیانگر ارتباطات بین افراد در شبکه هستند. با گسترش روزافزون فناوری های ارتباطی و فضای مجازی، تحلیل شبکه های اجتماعی از اهمیت ویژه ای برخوردار گردیده است. یکی از روش های تحلیل شبکه ها که به آن مرکزیت گفته می شود، به شناسایی با نفوذترین و با اهمیت ترین گره ها می پردازد. تاکنون محققان معیارهای مرکزیت مختلفی برای شناسایی و تشخیص گره های با نفوذ و با اهمیت معرفی نموده اند که هرکدام مزایا و معایبی دارند. مطالعه در مورد ارزیابی اهمیت گره ها دارای اهمیت نظری و عملی است، به عنوان مثال می توان برای کنترل بیماری، تحقیقات در مورد افکار عمومی و گسترش شایعات استفاده کرد. شناسایی گره های تأثیرگذار در شبکه های پیچیده توجه زیادی را در جامعه پژوهشی به خود جلب کرده است. در سال-های اخیر، روش های زیادی برای یافتن گره های تأثیرگذار در شبکه های پیچیده ارائه شده است. دانش توانایی انتشار گره، بینش جدیدی را برای کاربردهایی مانند کنترل انتشار پیام ها و شایعات در شبکه های اجتماعی، رتبه بندی شهرت دانشمندان و یافتن رهبران اجتماعی و غیره نشان می دهد. در نظریه ی گراف و نظریه ی شبکه، شاخص های مرکزیت رأس های مهم درون گراف را شناسایی می کنند. کاربردهای آن ها شامل شناسایی تأثیرگذارترین فرد در یک شبکه اجتماعی، گره های تأثیرگذار در اینترنت یا شبکه های شهری یا شیوع بیماری هاست. محققان با استفاده از این روش ها سعی می کنند گره های تأثیرگذار در شبکه های مختلف را پیدا کنند.
|
|
Researchers
|
(Student)، Asgarali Bouyer (Primary Advisor)، Alireza Rouhi (Advisor)
|