پایان نامه درباره ، تشکل، {، اجتماعی، تشکلهای، تشکلها، شبکههای، },

تفاوتها. یعنی در یک شبکه همیشه گرههایی وجود دارند که نسبت به دیگر گرهها تعداد پیوندهای بیشتری دارند. در شبکهای که دچار عدم تمرکز است تفاوت کمی بین پیوندهای هر گره وجود دارد.
اما اگر برای شناسایی تشکلها، تنها از ساختار لینک شبکه استفاده شود، استخراج علایق مشترک از تشکلها، امری ناممکن میشود. بسیاری از مطالعات پیشین، از پیوستگی بین روابط و علایق چشمپوشی میکنند، بنابراین در تشخیص تشکلهای مناسب دچار مشکل میشوند. در این مطالعه، ما با در نظر گرفتن این موضوع، معتقدیم که تعریف تشکل به شدت وابسته به کاربرد آن است. یک تشکل ممکن است به گروهی از افراد اطلاق شود که نسبت به سایر افراد به یکدیگر نزدیکتر هستند (معیار نزدیکی دو فرد می‌تواند کوتاهترین مسیر بین آن دو نفر یا مجموع تمامی مسیرهای مستقل ما بینشان و یا توابع فاصله دیگری از این دست می‌باشد) یا کسانی که علایق مشترکی با یکدیگر دارند اما ضرورتا به طور مستقیم به هم لینک ندارند، یعنی ممکن است یک رأس به صورت مفهومی به یک تشکل مرتبط باشد و محتوای اسناد همراه با این رأس به محتوای کلی یک تشکل شباهت داشته باشد اما لینک مستقیمی بین آن رأس و اعضای تشکل وجود نداشته باشد. بنابراین، یک تشکل که از نظر معنا شناسی معنادار است باید به هر دو تعریف توجه کند و سعی کند هر دو ویژگی را در کنار هم داشته باشد.

اهمیت شناسایی تشکلهاتشکل‌ها اطلاعات ارزشمندی در مورد نوع ارتباط بازیگران، نحوه انتقال اطلاعات بین آنها و نحوه‌ توزیع بازیگران در شبکه‌های اجتماعی ارائه می‌کنند و در واقع به عنوان جزء اصلی سازنده این شبکه‌ها محوب می‌شوند.
شناسایی تشکل ها در شبکهها از اهمیت زیادی برخوردار است، زیرا با توجه به تعداد زیاد کاربران و اطلاعات بیشمار بر روی شبکههای اینترنت، امکان آنالیز دادهها و انجام درخواستها میسر نخواهد شد. مثلا تشکلهای موجود در شبکه وب، با مجموعههای صفحات وب موجود بر روی موضوعات مرتبط متناظر بوده، تشخیص آنها منجر به یافتن صفحات مشابه و مربوط به هم میشود. این موضوع برای بسیاری از کاربردها، مثلا موتورهای جستجو و سیستمهای پیشنهاددهنده متناسب است. همچنین، تشکلهای موجود در شبکههای اجتماعی با واحدهای اجتماعی تناظر دارندADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0027-8424”, “author” : [ { “dropping-particle” : “”, “family” : “Girvan”, “given” : “Michelle”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Proceedings of the National Academy of Sciences”, “id” : “ITEM-1”, “issue” : “12”, “issued” : { “date-parts” : [ [ “2002” ] ] }, “page” : “7821-7826”, “publisher” : “National Acad Sciences”, “title” : “Community structure in social and biological networks”, “type” : “article-journal”, “volume” : “99” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=929d0489-a0ed-44e3-842f-33a067ab71fc” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[21]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[21]. از دیگر کاربردهای شناسایی تشکل، در شبکههای مبتنی بر متن مثل DBLP یا Twitter مطرح میشود. از یک دیدگاه، در این شبکه، رأسها با اسناد تناظر داشته و دو رأس، در صورتیکه یک نویسنده سند متناظر با آنها را نوشته باشد با یک یال به هم مربوط میشوند. نتیجه شناسایی تشکلها در این شبکه، یافتن اسناد با محتوای مشابه است. از طرف دیگر یکی دیگر از مهمترین کاربرد شناسایی تشکل در شبکههایی از این دست ، مسالهی رفع ابهام در نام نویسندگان است. بدین ترتیب که با شناسایی تشکلهای مربوط به نویسندگانی با نامهای مشابه، میتوان دریافت که هر کدام از این نویسندگان به چه تشکلی تعلق دارند و در نتیجه بین آنها تمیز داد.
یکی دیگر از کاربردهای اصلی شناسایی تشکلها در کسب و کار الکترونیکی است. از جملهی کاربردها در این حوزه میتوان به قسمتبندی بازار، بازاریابی ویروسی، پیدا کردن افراد تاثیرگذار و حامیان تشکلهای اعتماد در وب اشاره کرد. یادگیری مشارکتی از جمله رویکردهای موفق یادگیری است که طی آن، فراگیران طی تعامل با یکدیگر مباحث را فرا میگیرند. به سبب تاثیر مثبت یادگیری این روش در یادگیری، شیوههای نوین آموزش الکترونیکی به دنبال تحقق آن در محیط مجازی و به صورت خاص، در شبکههای اجتماعی میباشند. از چالشهای مهم پیش روی یادگیری مشارکتی، چگونگی ایجاد تعامل و نحوهی نظارت معلم بر فراگیران میباشد. شناسایی تشکلهای اجتماعی می تواند در مواجهه با این چالشها به معلمان یاری رساند.
کاربرد دیگر تشکلها که شناسایی آنها را با اهمیت میکند در جامعهشناسی و روانشناسی است. با استفاده از تشکل ها در این علوم، جامعه مجازی و رفتار هر فرد در جامعه مجازی به نحو کاراتری بررسی میشود و با الگو برداری از این رفتارها، دنیای واقعی بهتر مدل میشود. از مدل به دست آمده برای اتخاذ تصمیمات در بسیاری از زمینهها استفاده میشود.
انگیزه از انجام این پایان نامههمانطور که پیشتر نیز بیان شد، تحلیل شبکههای اجتماعی به عنوان یک تکنیک کلیدی در جامعهشناسی، انسان شناسی، روانشناسی اجتماعی، بازاریابی و مدیریت بازار، مطالعات سازمانی، سیاست، اقتصاد و… همانند یک موضوع محبوبدر زمینهی تفکر و مطالعه پدیدار شده است.
تشکل‌ها به سبب ارائهی اطلاعات مفیدی در مورد نوع ارتباط کاربران حاظر در شبکه، نحوهی توزیع آنها و نحوهی انتقال اطلاعات بین بازیگران در شبکه‌های، به عنوان جزء اصلی سازنده این شبکه‌ها محسوب می‌شوند. بنابراین شناسایی تشکلها امری بسیار مهم و حیاتی است.
روشهای پیشین برای شناسایی تشکلها فقط از اطلاعات ساختاری و لینکهای موجود در شبکه استفاده میکردند اما دادههایی که امروزه در رسانههای اجتماعی یافت میشوند علاوه بر لینکهای بین گرهها شامل محتوایی برای توصیف خود گرهها یا ارتباطات بین آنهاست. در سایتهای اینترنتی شبکههای اجتماعی، کاربران دارای صفحات پروفایل شخصی هستند، نظرات خود را در شبکه به اشتراک میگذارند و مقالات را بازیابی و آشکار میکنند. در سایتهای بحث در مورد عکسها و فیلمها، مشتریان درمورد عکسها و فیلمها توضیح میدهند و از متنهای کوتاه برای برچسب زدن به آنها استفاده میکنند. اما با توجه به حجم بالای محتوای متنی و رشد و توسعه بسیار سریع آنها، مطالعهی همهی این سندها و استخراج اطلاعات از آنها کار بسیار دشواری است. روشهای مدل کردن عناوین به ما این امکان را میدهد که این حجم بالا از اطلاعات را بررسی کرده و اطلاعات لازم را از آنها استخراج کنیم.
اهمیت شناسایی تشکلها با توجه به تمامی مطالب ذکر شده در بالا و موارد و مشکلات موجود در اکثر روشهای متداول برای شناسایی تشکلها، ما را بر آن داشت تا در این پایاننامه، از اطلاعات متنی نیز در کنار دادههای معمول استفاده کنیم بهطوریکه تشکلهای مناسب تری را کشف کنیم که هم ساختاری را داشته باشد که اعضای نزدیکتر را در یک گروه قرار دهد هم اینکه از نظر معنایی قابل فهمتر و قابل توصیفتر باشند.
نگاه کلی به فصول رسالهاین رساله مشتمل بر پنج فصل میباشد که در ادامهی مقدمه، در فصل دوم به بررسی و تحلیل روشهای ارائه شده در این حوزه خواهیم پرداخت. در فصل سوم، روشهای پیشنهادی با تمامی جزئیات ارائه خواهند شد و در فصل چهارم، نتایج حاصل از اجرای آنها بر روی مجموه دادههای معرفی شده به همراه تحلیل نتایج آورده شده است. در انتها در فصل پنجم به شرح نتیجهگیری و کارهای آینده پرداختهایم.

فصل دوم
مروری بر کارهای پیشین
فصل دوم:مروری بر کارهای انجام شده مقدمه
مطالعه ساختار تشکل در شبکهها تاریخچه‌ای بسیار طولانی داشته و الگوریتمهایی که به این منظور مطرح‌شده‌اند در دو دسته کلی قرار می‌گیرند:
دسته اول: الگوریتمهایی که فقط بر اساس ساختار ارتباط بین رأسها عمل می‌کنند.
دسته دوم: الگوریتمهایی که علاوه بر ساختار ارتباط بین رأسها، از اطلاعات مفهومی گراف شبکه نیز استفاده می‌کنند.
همانطور که در فصل قبل اشاره شد، تشکل به گروهی از اعضا اطلاق میشود که از لحاظ لینک، ارتباطات بسیار نزدیکی با یکدیگر دارند و از نظر محتوا، در یک حوزه مشترک فعالیت میکنند.
در این فصل با توجه به تعریف فوق و تعاریف قبلی، به مطالعهی روشهای ارائه شده در این حوزه از نقطه نظرات گوناگون خواهیم پرداخت.
روشهای ارائه شدههمانطور که در بخش 2-1 اشار شد، الگوریتمهای شناسایی تشکل در دو دسته کلی قرار میگیرند که دسته اول بر اساس ساختار لینک میباشد. خود روشهای تعریف شده در این حوزه در سه دستهی کلی زیر قرار میگیرند:
روشهایی که به دنبال بهینه کردن یک هدف سراسری می‌باشند.
روشهایی که بر اساس بهینه‌سازی هیچ معیاری عمل نمی‌کنند.
روشهای مبتنی بر مدل .
روشهای ارائه شده در دسته دوم بهطور پراکنده، سعی در یافتن تشکلها بر اساس محتوا میکنند.
در ادامه

متن کامل در سایت homatez.com

About: admin