20665

۲۰۶۶۵

كشف جوامع در كاربران شبكه تلفن با استفاده از سوابق جزئيات تماس

كارشناسي ارشد

هوش مصنوعي و رباتيك

۱۳۹۲

۱۳۹۶/۰۲/۲۴

دكتر آنالويي - دكتر مينايي

كامپيوتر

بررسي و تحليل داده‌هاي شبكه‌هاي اجتماعي به شكل گسترده‌اي مورد توجه محققين قرار داشته كه در اين بين جوامع و ساختار آنها در گراف شبكه اجتماعي بسيار مد نظر قرار گرفته است. شبكه تلفن همراه به دليل گستردگي كاربرد و كاربران خود يكي از حساس‌ترين موارد تشخيص جوامع مي‌باشد. در اين پايان نامه به ارائه روشي پرداختيم كه طي آن گراف تماس‌هاي كاربران با استفاده از خوشه‌بندي طيفي به ابرخوشه‌هايي تقسيم مي‌شوند. در توليد ابرخوشه‌ها، مراكز با توجه به مقدار بينابيني گره‌ها انتخاب مي‌شوند.تقسيم گراف به ابرخوشه‌ها امكان موازي سازي عمليات را فراهم مي‌كند. جوامع حاضر در ابرخوشه‌ها را با استفاده از الگوريتم Girvan-Newman تشخيص مي‌دهيم. با افزودن يال‌هاي حذف شده بر اثر ايجاد ابرخوشه‌ها به جوامع، ابر‌جوامعي ايجاد شده كه آنها را با توجه به قطرشان تشخيص داده و جوامع دقيق‌تري را از آنها استخراج مي‌كنيم. با ايده خوشه‌بندي طيفي و فراهم كردن امكان موازي سازي عمليات، زمان پردازشي لازم را كاهش داده و در عين حال با استفاده از روش پيمانگي معيار پيمانگي را بهبود مي‌دهيم.

1398/03/27

Exploring the communities of telephone network users using Call Detail Records

5/14/2017 12:00:00 AM

In this thesis we focused on community detection of urban mobile phone calls, by analyzing different approaches we interested in modularity based approach for their ability to recognizing communities. Therefor we consider spectral clustering successes in time complexity reduction. Both of this approaches suffer from their own shortcomings, so we propose a hybrid approach that use spectral clustering for constructing hyper clusters and then use this clusters for detecting communities by Girvan-Newman algorithm. In extraction of hyper clusters we avoid to choosing seeds by random and use fuzzy c-means to find them. In last step we add all of removed edges to communities that cause hyper communities. This hyper communities should be find and redetect their concealed communities.