شبکه های اجتماعی و انتخاب یک کمیته از اعضای مستقل با الگوریتم ژنتیک

قیمت: 44,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

شبکه های اجتماعی و انتخاب یک کمیته از اعضای مستقل با الگوریتم ژنتیک

عنوان لاتین

Social networks and genetic algorithms to choose committees with independent members

انتخاب یک کمیته از بین اعضای مستقل در شبکه های اجتماعی می تواند به عنوان مساله انتخاب گروهی در در نظر گرفته شود، بطوریکه مستقل بودن معیار اصلی انتخاب باشد و بوسیله اندازه گیری بین فاصله اجتماعی بین اعضای گروه تعریف می شود. هرچند، را ه حا های بسیاری برای حل مساله انتخاب گروه در شبکه های اجتماعی وجود دارد، مانند انتخاب مجموعه هدف یا شناسایی کمیته، هیچ کدام از انها راهکاری برای انتخاب اعضای کمیته بر اساس استقلال انها به عنوان معیار بهره وری ارائه نکرده است. در این مقاله ، راهکار جدیدی برای انتخاب گروه با نودهای مستقل در شبکه های اجتماعی ارائه کرده ایم. این راهکار به عنوان تابع گروه مستقل عمل کرده و از الگوریتم ژنتیک برای بهینه سازی ان استفاده می کند. ما یک نمونه مطالعاتی از شبکه اجتماعی واقعی با داده های انلاین که از سازمان عمومی تحقیق و توسعه (R&D) استخراج شده است را بررسی کرده ایم و سپس گروه های انتخابی را با سایر کمیته های موجود همین سازمان مقایسه کرده ایم. نتایج نشان داد که راهکار پیشنهادی می تواند کمیته هایی تولید کند که استقلال گروه نسبت به سایر گروه ها بهبود داده شده است.

Choosing committees with independent members in social networks can be regarded as a group selection problem where independence, as the main selection criterion, can be measured by the social distance between group members. Although there are many solutions for the group selection problem in social networks, such as target set selection or community detection, none of them have proposed an approach to select committee members based on independence as group performance measure. In this work, we propose a novel approach for independent node group selection in social networks. This approach defines an independence group function and a genetic algorithm in order to optimize it. We present a case study where we build a real social network with on-line available data extracted from a Research and Development (R&D) public agency, and then we compare selected groups with existing committees of the same agency. Results show that the proposed approach can generate committees that improve group independence compared with existing committees.