19918

17202

كارشناسي ارشد

علم داده

اصفهان : دانشگاه صنعتي اصفهان

1402

هفت، 78ص. :مصور، جدول، نمودار

1403/08/19

كتابنامه

رياضي كاربردي

رياضي

1403/08/20

23006420

مروزه، شبكه هاي اجتماعي نقش مهمي در گسترش ارتباطات انساني ايفا مي كند. ارتباطات دوستي در فيس بوك و يا افرادي كه آن ها را در اينستاگرام دنبال مي كنيد يا نظرات در شبكه اپيني انز نمونه هايي از اين ارتباطات هستند. اغلب تحقيقات در شبكه هاي اجتماعي غالباً بر ارتباطات مثبت ميان اشخاص مانند دوستي ها تمركز دارد درحالي كه در كاربردهاي دنياي واقعي شبكه هايي از ارتباطات منفي وجود دارد كه ارتباطات ميان كاربران به صورت دشمني يا خصومت مي باشد. احساسات و تمايلات ميان افراد اجتماع بسيار پيچيده و متنوع است و نوع ارتباط ميان آن ها مي تواند از نوع دوستي يا دشمني باشد. ارتباطات مثبت (“دوستي“، “دوست داشتن“، “علاقه“) يا منفي (“دشمني“، “دوست نداشتن“، “عدم علاقه“) مي تواند به صورت ارتباطات يا روابط علامت دار مدل سازي شود كه به آن ها شبكه هاي علامت دار مي گوييم. اين شبكه ها زيرمجموعه اي از شبكه هاي اجتماعي هستند. پيش بيني تغيير و تحول در ساختار شبكه هاي اجتماعي و پيش بيني رفتار آن ها يكي از مسائل اساسي در تحليل شبكه هاي اجتماعي است كه با عنوان مسئله پيش بيني ارتباط شناخته مي شود. به طور دقيق تر، مسئله پيش بيني علامت در شبكه هاي علامت دار، مسئله تعيين علامت يال هاي گمشده از طريق علامت يال هاي موجود و ساختار شبكه است. به منظور ارائه يك تجزيه وتحليل از شبكه، بايد ماهيت آن به خوبي شناخته شود. شناخت ماهيت شبكه ها وابسته به تعاملات و ارتباطات مختلف موجود در ميان گره ها به عنوان موجوديت هاي شبكه است. در شبكه هاي علامت دار به دليل وجود پيوندهاي منفي استفاده از روش ها و معيارهايي كه در شبكه هاي بدون علامت يا شبكه هايي فقط با پيوندهاي مثبت توسعه يافته اند چندان كارآمد نيست. به همين دليل به بررسي و گسترش معيارهايي براي شبكه هاي علامت دار براي دست يابي به صحت بالا نياز داريم. هدف در اين پايان نامه، علاوه بر مرور روش هاي موجود براي پيش بيني علامت، ارائه يك روش با عملكرد مناسب براي حل مسئله پيش بيني علامت در شبكه هاي اجتماعي با پيوندهاي مثبت و منفي و در نظر گرفتن تنك بودن شبكه است. در اين كار، پيش بيني علامت بر اساس پيوندهاي موجود بين گره ها انجام مي شود. بااين حال، در شبكه هاي علامت دار واقعي، پيوندهاي بين گره ها معمولا پراكنده و گاهي اوقات وجود ندارند؛ بنابراين، روش هاي موجود براي مقابله با چالش هاي پيش بيني دقيق علامت مناسب نيستند. براي حل مسئله تنك بودن، به منظور پيش بيني علامت پيوندهاي مثبت و منفي از روش خوشه بندي استفاده مي كنيم. روش ارائه شده براي پيش بيني علامت در اين پايان نامه شامل سه مرحله خوشه بندي، محاسبه شباهت ميان خوشه ها و پيش بيني علامت پيوند از طريق علامت پيوند گره هاي هم خوشه است. در مرحله خوشه بندي، خوشه بندي با استفاده از روش برش نرمال شده متعادل كه هدف از آن تبديل شبكه اجتماعي علامت دار به خوشه هايي با حداقل پيوندهاي مثبت ميان خوشه ها و حداقل پيوند منفي در درون خوشه ها است انجام مي شود. پس از خوشه بندي شبكه علامت دار، به محاسبه شباهت بين خوشه اي پرداخته خواهد شد. به اين صورت كه براي محاسبه شباهت بين دو خوشه، رابطه شباهت كسينوسي بسط داده شده است و معيار شباهت براي محاسبه شباهت بين خوشه اي تعريف مي شود. در مرحله آخر به تعيين علامت پيوند مي پردازيم. نوآوري بيان شده در اين پژوهش به صورت زير است: هدف اصلي در هر خوشه بندي اين است كه اعضا با بيشترين شباهت در خوشه هاي يكسان قرار بگيرند. اعضايي كه در خوشه هاي متفاوت قرار مي گيرند به معناي عدم شباهت نيست بلكه شباهت كمتري رادارند. پس در خوشه بندي شبكه هاي علامت دار گره هايي كه در يك خوشه قرار دارند، شباهت هاي بيشتري را به يكديگر دارند؛ بنابراين مي توان نتيجه گرفت تأثير آن گره هايي كه گره u را مورد ارزيابي قرارداده اند و هم چنين در يك خوشه نيز هستند براي تعيين علامت بيشتر است؛ بنابراين ايده به اين صورت است كه گره هايي كه گره u را مورد ارزيابي قرارداده اند و هم چنين در يك خوشه نيز هستند را شناسايي مي كنيم و به آن ها وزن 1w و به سايرِ گره ها وزن 2w را مي دهيم و براي تعيين علامت از مسئله بيان شده استفاده مي كنيم. ارزيابي ها در شبكه اپيني انز نشان داده است كه دقت پيش بيني روش پيشنهادي در مقايسه با مطالعات قبلي بهبوديافته است

Today, social networks have created a wide variety of relationships between users. Friendship on Facebook and trust in the Epinions network are example of these relationships. Most social media research has often focused on positive interpersonal relationships, such as friendship. However, in many real­world applications, there are also networks of negative relationships whose communication between users is either distrustful or hostile in nature. Such networks are called signed networks. Mathematically, a directed signed social network represented as a signed graph can be defined as G = (V, E, δ) where, V is the vertex set representing nodes of the network, E ⊆ V × V is the edge set that represents the links of the network and δ : V ×V → {−1, 0, +1} is a function which assigns +1 value if there is a positive link (friend/trust) from node to node , −1 is assigned if there is a negative (foe/distrust) link from node to node and 0 if there is no link between the two nodes.

رامين جوادي , منصوره ميرزايي

بهناز عمومي , ساره گلي فروشاني