22098

ارائه مدلي براي تشخيص اجتماعات مبتني بر اعتماد كاربران در شبكه هاي اجتماعي برخط

كارشناسي ارشد

مهندسي فناوري اطلاعات - تجارت الكترونيكي

1395-96

1398/08/27

دكتر محمد فتحيان

دكتر بابك اميري

صنايع

شبكه هاي اجتماعي امروزه به يكي از اجزاي جدايي ناپذير زندگي روزمره افراد تبديل شده است. به نحوي كه جنبه هاي مختلف زندگي فردي و اجتماعي افراد را تحت تأثير قرار مي دهد. تحليل و بررسي اين شبكه ها يكي از شاخه هاي پرطرفدار علمي در رشته هاي مختلف نظير روانشناسي، جامعه شناسي و علوم كامپيوتر است. يكي از مباحث پرطرفدار در حوزه تحليل شبكه هاي اجتماعي مسئله تشخيص اجتماعات است. هدف از تشخيص اجتماعات، شناسايي گروه هايي از گره ها در شبكه هاي اجتماعي است كه بيشترين ارتباط را با يكديگر و كم ترين ارتباط را با گره هاي ديگر گروه ها داشته باشند. اهميت و كاربرد فراوان اين مسئله در حوزه هاي گوناگون سبب شده است تا محققان بسياري در علوم مختلف به ارائه روش ها و الگوريتم هاي مختلف براي حل اين مسئله بپردازند. از طرفي ارتباط كاربران در شبكه هاي اجتماعي تحت تأثير مفهومي به نام اعتماد است. زيرا بسياري از شبكه هاي اجتماعي باهدف ايجاد ارتباط در بين مردم ايجاد شده اند و عدم اعتماد سبب مي شود تا اين هدف ميسر نشود. به همين دليل نيز همواره محققان در حال ارائه روش هايي براي ارزيابي و محاسبه اعتماد در شبكه هاي اجتماعي هستند. هدف از پژوهش حاضر ارائه مدلي براي تشخيص اجتماعاتي است كه مبتني بر اعتماد كاربران است تا با ايجاد اجتماعاتي معتمد، كارايي اجتماعات در حوزه هاي گوناگون نظير تبليغات، بازاريابي و انتشار اطلاعات افزايش يابد. علاوه بر ارائه مدل، از الگوريتم ژنتيك تطبيق داده شده با مسئله نيز براي حل آن نيز استفاده شده است. نتايج حاصل نشان داد كه در اجتماعات شناسايي شده توسط روش پيشنهادي نسبت به روش در نظرگرفتن ماژولاريتي به عنوان هدف تشخيص اجتماعات، اعتماد بيشتري ميان كاربران هر اجتماع برقرار است و ساختار اجتماعات شناسايي شده در دو حالت نيز متفاوت است. در انتها نيز مدلي دو هدفه براي مسئله تشخيص اجتماعات معرفي و با استفاده از نسخه چند هدفه الگوريتم ژنتيك (NSGAII) حل گرديد.

1399/04/02

A community detection model based on users’ trust in online social networks

11/17/2020 12:00:00 AM

Nowadays social networks are an inseparable part of people’s life and somehow impact on different aspects of people’s social and individual life. Analysis of these networks is one of the most popular branches of science such as psychology, sociology and computer sciences. One of the most popular and attractive topics in social network analysis is community detection. The aim of community detection is to find groups of nodes in social networks that have the most relation with each other and the least with the groups of the nodes. Importance and application of community detection in different areas has caused that many researchers in different sciences represent and develop different algorithms as a solution for community detection. On the other hand, the relation of users in social network is affected by trust concept, since most of social networks have been created to make relation between people and lack of trust will make problem approaching this goal. That’s why researchers are always trying to represent solutions to estimate and compute trust in social networks. The goal of this research is to represent a model for community detection based on users` trust, so that by making trustable communities increase the application of the communities in different areas such as advertising, marketing and information diffusion. In addition of representing the model, adapted genetic algorithm is used to solve the problem. The results showed that the trust between users in the detected communities using the proposed method is more than the case that the modularity is the objective of the community detection and the structure of the detected communities is different in two states. Finally, a two-objective model for community detection is proposed and solved using multi-objective version of genetic algorithm (NSGAII).