ارائه روش بهبودیافته در حداکثر سازی پویایی نظرات مبتنی بر الگوریتم ژنتیک حریصانه | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 3، دوره 13، شماره 4 - شماره پیاپی 52، زمستان 1404، صفحه 41-62 اصل مقاله (3.45 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.47176/ECDJ.2025.1617 | ||
| نویسندگان | ||
| حسین رعیت پرور1؛ محمدرضا حسنی آهنگر* 2؛ ابوالفضل سرکرده ئی3 | ||
| 1کارشناسی ارشد ، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| 2استاد ، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| 3دانشجوی دکتری ، دانشگاه جامع امام حسین(ع) ، تهران ، ایران | ||
| چکیده | ||
| تحلیل دادههای شبکههای اجتماعی برخط یکی از چالشهای علمی موردتوجه در عصر حاضر است. در زمینه تحلیل نظرات کاربران در این شبکهها، حداکثر سازی پویایی نظرات بهعنوان یک حوزه پژوهشی جدید مطرحشده است. تحقیقات پیشین در این حوزه عمدتاً فرض کردهاند که نظرات گرهها ثابت و بدون تغییر هستند. همچنین، کمتر به تغییرات زمانی نظرات کاربران پرداختهشده است. در این مقاله، با در نظر گرفتن پویایی نظرات و تغییرات آن در طول زمان، روشی برای مسئله حداکثر سازی پویایی نظرات بر اساس الگوریتم ژنتیک حریصانه پیشنهادشده است. این روش شامل دو بخش اصلی است. مدل پویایی نظرات فعالشده و فرایند انتخاب گرههای دانه. مدل پویایی نظرات فعالشده با استفاده از ترکیب مدل انتشار آستانه خطی و یادگیری Q بدون حالت طراحیشده است که تغییرات زمانی نظرات را در نظر میگیرد. برای انتخاب گرههای دانه، الگوریتم ژنتیک حریصانه به کار گرفتهشده است. پس از تعیین گره اولیه یا دانه، مدل پویایی نظرات فعالشده آغاز میشود. در این مرحله، گره اولیه و همسایگان آن بر اساس مدل انتشار آستانه خطی فعالسازی میشوند. سپس با بهرهگیری از یادگیری Q بدون حالت، نظرات گرهها بهروزرسانی میگردند. این فرآیند بهصورت تکرارشونده ادامه مییابد تا زمانی که شرایط خاتمه موردنظر برآورده شوند. نتایج تجربی حاصل از آزمایش بر روی چهار مجموعه دادهی شبکههای اجتماعی امضاشده نشان میدهد که روش پیشنهادی در مقایسه با بهترین روشهای موجود، در معیار تعداد گرههای فعال 14 درصد و در معیار میانگین نظرات مثبت 27 درصد بهبود عملکرد داشته است | ||
| کلیدواژهها | ||
| تحلیل شبکههای اجتماعی برخط حداکثر سازی پویایی نظرات گره دانه الگوریتم ژنتیک حریصانه یادگیری ;">Q | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,272 تعداد دریافت فایل اصل مقاله: 19 |
||