مدل های محاسباتی برای تحلیل شبکه اجتماعی

ترجمه مقاله مدل های محاسباتی برای تحلیل شبکه اجتماعی

ترجمه مقاله Computational Models for Social Network Analysis : A Brief Survey

در این بخش ترجمه مقاله مدل های محاسباتی برای تحلیل شبکه اجتماعی را برای شما دوستان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به طور کاملا رایگان دانلود کنید.

چکیده مقاله

رسانه های اجتماعی و شبکه ها با پیشرفت روز افزون خدمات شبکه اجتماعی online همانند تویتر، فیس بوک، بیشتر از گذشته حائز اهمیت است، که به صورت مستقیم بر اقتصاد، زندگی روزمره و سیاست ما تاثیر می گذارند. هدف عمده شبکه های اجتماعی گرد آوری و تحیل داده های اجتماعی سطح وب برای نمایش دادن الگو رفتار های گروهی و فردی است. آن یک رشته علمی و میان رشته ای بوده که از روان شناسی، آمار و نظریه گراف و جامعه شناسی گرفته شده است.

در این مقاله به صورت مختصر به توضیح پیشرفت های گذشته نظرسنجی در مورد بررسی شبکه اجتماعی می پردازیم و بر درک تاثیرات متقابل بین کاربران در شبکه های اجتماعی کلان و پویا تاکید می کنیم. مقاله خود را با دانش پایه ای بررسی شبکه اجتماعی شروع می کنم که شامل ابزار هایی برای بررسی شبکه اجتماعی و روش شناسی سطح میانی، سطح کلان و سطح خرد است. سپس به شرح بررسی شبکه اجتماعی پرداخته. بعد از آن، به توضیح شیوه های مدل سازی رفتار کاربر مانند شیوه های پیشرفته آموزش پروفایل های کاربر و معرفی پیشرفت های گذشته در روش مدل سازی رفتار های کاربر با استفاده از یادگیری به طور کامل به توضیح آن خواهیم پرداخت.

سپس الگوریتم ها و مدل هایی برای بررسی تاثیر گذاری متقابل اجتماعی عبارتست از هم نوع دوستی و تاثیر اجتماعی که آن را مطرح خواهیم کرد. در پایان به شناسایی مدل ساختار شبکه مانند تولید مکان یابی شبکه و شکل گیری گروه اجتماعی روی خواهم آورد. شبکه ارتقا یافته گذشته را بیان خواهیم کرد که شامل الگوریتم هایی برای مدل سازی شبکه اجتماعی با روش های شامل سازی می باشد.

مقدمه

تکثیر و پدیدار شدن نرم افزار ها و رسانه های اجتماعی مانند سایت های اشتراک گذاری، پیام رسانی آنی، بانک اطلاعاتی، وبلاگ ها، شبکه های علمی، شبکه های اجتماعی، فرصت های زیادی برای مطالعه شبکه های اجتماعی به وجود آورده است در عین حال نیز چند چالش جدید به بار آورده است.

چکیده انگلیسی

With the exponential growth of online social network services such as Facebook and Twitter, social networks and social medias becomemore and more important, directly influencing politics, economics and our daily life. Mining big social networks aims to collect and analyze web-scale social data to reveal patterns of individual and group behaviors. It is an inherently interdisciplinary academic field which emerged from sociology, psychology,statistics, and graph theory. In this article, I briefly survey recent progress on social network mining with an emphasis on understanding the interactions among users in the large dynamic social networks. I will start with some basic knowledge for social network analysis, including methodologies and tools for macro-level, meso-level and microlevel social network analysis. Then I will give an overall roadmap of social network mining.

After that, I will describe methodologies for modeling user behavior including state-of-the-art methods for learning user profiles, and introduce recent progress on modeling dynamics of user behaviors using deep learning. Then I will present models and algorithms for quantitative analysis on social interactions including homophily and social influence.Finally, I will introduce network structure model including social group formation and network topology generation. We will introduce recent developed network embedding algorithms for modeling social networks with the embedding techniques. Finally, I will use several concrete examples from Alibaba, the largest online shopping website in the world, and WeChat, the largest social messaging service in China to explain how online social networks influence our offline world.

منبع : researchgate.net