17893

17893

ارزيابي عملكرد نمودارهاي كنترل و آزمون‌هاي فرض در پايش شبكه‌هاي اجتماعي با استفاده از سنجه‌هاي متوسط درجه و انحراف معيار درجه

كارشناسي ارشد

بهينه‌سازي سيستم‌ها

شهريور 1396

دكتر رسول نورالسناء

دكتر محمد سعيدي مهراباد

صنايع

كشف افزايش ناگهاني ارتباطات بين اعضاي يك شبكه يا زيرگروهي از آن در حوزه تحليل شبكه‌هاي اجتماعي از اهميت ويژه‌اي برخوردار مي‌باشد. از كاربردهاي چنين عملي مي‌توان به كشف كلاه‌برداري، كشف عمليات تروريستي، كشف تغيير در شبكه‌هاي سياسي و موارد اين چنين مي‌باشد. يكي از روش‌هاي كشف تغييرات شبكه، پايش سنجه‌هاي گراف مربوط به شبكه است كه اين پايش مي‌تواند توسط نمودارهاي كنترل و بررسي سنجه‌هاي شبكه در هر بازه زماني صورت گيرد. در چندين مقاله ضرورت مقايسه سنجه‌هاي و نمودارهاي كنترل در پايش شبكه مورد بحث قرار گرفته است. به اين دليل در اين پايان‌نامه عملكرد سنجه‌هاي متوسط درجه و انحراف معيار درجه به منظور كشف تغييرات ناگهاني در يك شبكه غيرجهت‌دار و وزن‌دار با به كارگيري نمودارهاي كنترل ميانگين متحرك موزون نمايي و جمع تجمعي با يكديگر مقايسه شده است. نتايج ارزيابي نشان مي‌دهد كه سنجه متوسط درجه بهتر از سنجه انحراف معيار درجه در شناسايي تغييرات كوچك در تعداد ارتباطات بين اعضاي شبكه عمل مي‌كند. اين در حالي است كه در تغييرات بزرگ‌تر و تغييراتي كه در آن‌ها اعضاي بيشتري از شبكه دخيل هستند عكس حالت قبل صادق است. همچنين، نمودار كنترل ميانگين متحرك موزون نمايي بهتر از نمودار جمع تجمعي در شناسايي تغييرات كوچك و تغييراتي كه اعضاي كمتري از شبكه را شامل مي‌شوند عمل مي‌كند و عكس اين حالت در مورد نمودار جمع تجمعي صادق است. واژه‌هاي كليدي: پايش شبكه‌هاي اجتماعي، سنجه مركزيت درجه ، نمودار كنترل ميانگين متحرك موزون نمايي، نمودار كنترل جمع تجمعي، ميانگين طول كشف

1396/07/17

1/1/1900 12:00:00 AM

Detection of communication outbreak among members of a network or a subgroup of a network have been a topic of interest for quite a long time in the research area of social network analysis (SNA). Fraud detection, act of terrorism detection, change detection in political networks, and other similar applications show the importance of outbreak detection inn social networks. One approach to monitor changes in a social network is to monitor graph measures related to the network representation in each time period and detecting anomalies by applying a control chart. In several papers, necessity of measures and control charts comparison have been discussed. In this paper, we compare the performance of average degree and standard deviation of degree measures of a network for detection of outbreaks on a weighted undirected network using exponentially weighted moving average (EWMA) and cumulative sum (CUSUM) control charts. Evaluation results indicate that average degree measure is better at detecting small changes than standard deviation of degree measure. Whereas, for greater changes and outbreaks consisting of more members of the network, the opposite is true. In addition, EWMA control charts perform better than CUSUM in detecting smaller changes and outbreaks consisting of less members of the network. Keywords: Social network monitoring, Degree centrality measure, Exponentially weighted moving average (EWMA) control chart, Cumulative sum (CUSUM) control chart, Average run length (ARL)