|
Title
|
شناسایی اجتماعات در شبکه های اجتماعی بر اساس اطلاعات نیمه محلی توپولوژیکی و یادگیری عمیق
|
|
Type of Research
|
Thesis
|
|
Keywords
|
تشخیص جوامع، رویکرد محلی ،تشخیص گره های قوی، یادگیری عمیق
|
|
Abstract
|
در دنیای امروز شاهد افزایش چشم گیر علاقه ی مردم به استفاده از شبکه های اجتماعی و افزایش تعداد این شبکه ها هستیم. این پدیده باعث می شود که حجم عظیمی از داده ها در اختیار ما قرار بگیرد. نه تنها تعداد افراد در این شبکه ها افزایش یافته است، بلکه وسعت و تنوع این افراد نیز به اندازه ی قابل توجهی افزایش یافته است. بنابراین، لازم است از این داده های عظیم به نحوه ای هوشمندانه بهره ببریم.
از جمله استفاده های این داده ها می توان به شناسایی افراد مشکل ساز، همچون تروریست ها اشاره کرد. همچنین، در زمینه مدیریت علاقه های جامعه، آشنایی گسترده تری از افراد و گروه های مختلف جامعه می تواند کمک کننده باشد. یکی از راهکارهای مؤثر در این زمینه، تشخیص جوامع است.
تشخیص جوامع به ما این امکان را می دهد که افراد با سلایق، اهداف، و حتی رویکردهای زندگی مشابه را درون یک گروه یا خوشه قرار دهیم. این اطلاعات، تحلیل دقیق تر و بهتری از داده های شبکه را فراهم می کنند.
در همین راستا، توسعه ی یک روش کارآمد و قابل اعتماد برای تشخیص جوامع با ابعاد و ویژگی های متنوع جالب توجه است. این روش باید ضمن مواجهه با پیچیدگی های زمانی و مکانی داده ها، توانایی تشخیص کامل خوشه های جامعه را داشته باشد. این نیاز به ارائه ی رویکردها و روش های نوین و پیشرفته در زمینه ی تشخیص جوامع را تأکید می کند. این گونه پیشرفت ها نه تنها به بهبود تحلیل داده ها کمک می کنند بلکه به ایجاد راه حل های مؤثرتر در حوزه های امنیتی و مدیریت اجتماعی نیز منجر خواهند شد.
|
|
Researchers
|
Peyman Azish (Student)، Asgarali Bouyer (Primary Advisor)، Alireza Rouhi (Advisor)
|