22403

ارائه روشي براي پايش و تجزيه و تحليل شبكه هاي پويا با استفاده از متغيرهاي پنهان

كارشناسي ارشد

بهينه سازي سيستم ها

1398-99

1399/02/27

دكتر محمد سعيدي مهرآباد

دكتر رسول نورالسنا

صنايع

پايش آماري شبكه هاي پويا يكي از علاحه مندي هاي اصلي در سيستم هاي اجتماعي پيچيده است. مطالعات زيادي در حوزه ي پايش مدل هاي آماري شبكه ها انجام شده است كه بيشتر مدل هايي هستند كه متغيرهاي پنهان در آنها در نظر گرفته نشده است. اين تحقي روش جديدي براي مدلسازي و پايش شبكه هاي اجتماعي پويا براي شناسايي سريع ناهنجاري هاي لحظه اي و موحتي در ساختار شبكه با است اده از متغيرهاي پنهان ارائه داده است. ايده ي اصلي روش پيشنهادي، بررسي اهميت متغيرهاي پنهان در ايجاد يال بين گره ها مانند متغيرهاي حابل مشاهده است. ابتدا مدل فضاي پنهان و مدل خطي تعميم يافته براي مدل سازي شبكه هاي پويا در نظر گرفته شده است. براي شناسايي تغييرات، بردار پارامترها در هر دو مدل با است اده از نمودار كنترل تي دو هتلينگز پايش شده است. كاربرد اين استراتژي پايش با است اده از شبكه مشتريان ديجي كالا براي بررسي تغييرات در دنياي واحعي مورد است اده حرار گرفته است. آزمايشات با است اده از شبيه سازي و ديتاي واحعي اهميت مدل فضاي پنهان را در مقايسه با مدل خطي تعميم يافته نشان مي دهد.

1399/05/19

Developing a method for monitoring and analyzing dynamic social networks using latent variables

5/16/2020 12:00:00 AM

Statistical monitoring of dynamic networks is a major topic of interest in complex social systems. Most of the research have been done through network models including models that are not latent variable models. This article proposes a new methodology for modeling and monitoring dynamic social networks for quick detection of temporal anomalies in network structures using latent variables. The key idea behind our proposed methodology is to determine the importance of latent variables in creating edges between nodes as well as observed covariates. First, latent space model (LSM) and generalized linear model (GLM) are used to model dynamic networks. In order to detect changes, vector of parameters in both models are monitored through multivariate 𝑇2 control chart. Application of our surveillance strategy has been shown with DIGIKALA co-purchasing network to reveal real-world problems. Experiments on simulated and real network monitoring depict the properties and benefits of the LSM method compared with GLM method.