ترجمه مقاله شبکه های اجتماعی و الگوریتم های ژنتیک برای انتخاب با اعضای مستقل

ترجمه مقاله شبکه های اجتماعی و الگوریتم های ژنتیک برای انتخاب با اعضای مستقل در 9 صفحه فارسی ورد قابل ویرایش را فرمت doc به همراه اصل مقاله انگلیسی

 

عنوان فارسی :

شبکه های اجتماعی و الگوریتم های ژنتیک برای انتخاب با اعضای مستقل

عنوان انگلیسی :

Social networks and genetic algorithms to choose committees with independent members

تعداد صفحات فارسی : 9 صفحه ورد قابل ویرایش

سطح ترجمه : متوسط

شناسه کالا : y2124

دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2124.pdf

دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 14 هزار تومان قادر به دانلود خواهید بود .

بخشی از ترجمه :

چکیده انتخاب کمیته ها با اعضای مستقل در شبکه های اجتماعی میتواند به عنوان یک مسئله ی انتخاب گروهی قلمداد شود که در آنجا استقلال به عنوان معیار انتخاب اصلی میتواند با مسافت اجتماعی بین اعضای گروه سنجیده شود.گرچه راه حلهای زیادی برای مسئله ی انتخاب گروهی در شبکه های اجتماعی وجود دارد، همانند انتخاب مجموعه ی هدف یا کشف همگانی، اما هیچ یک از آنها یک رویکرد را برای انتخاب اعضای کمیته بر مبنای استقلال به صورت سنجش عملکرد گروهی ارائه نداده اند.این رویکرد یک تابع گروهی استقلال و یک الگوریتم ژنتیکی را برای بهینه سازی آن تعریف میکند.ما یک مطالعه ی موردی را ارائه میدهیم در جاییکه ما یک شبکه اجتماعی حقیقی را با داده های موجود آنلاین اقتباس شده از یک آژانس عمومی تحقیق و توسعه ایجاد میکنیم و آنگاه گروه های منتخب را با کمیته های موجود همان آژانس ، مقایسه میکنیم.نتایج نشان میدهد رویکرد ارائه شده میتواند کمیته هایی را ایجاد نماید که استقلال گروهی را در مقایسه با کمیته های موجود بهبود میبخشد.

Abstract

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 be- tweengroupmembers.Althoughtherearemanysolutionsforthegroupselectionprobleminsocialnetworks, such as target set selection or community detection, none of them have proposed an approach to select com- mittee 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 ex- isting committees.