TY - JOUR ID - 12861 TI - هم‌افزایی کاربران در شبکه علمی اجتماعی کوثرنت با استفاده از روش‌های خوشه‌بندی مبتنی بر گراف JO - مطالعات مدیریت کسب و کار هوشمند JA - IMS LA - fa SN - 2821-0964 AU - شیرانی, زهرا AU - جلالی بیدگلی, امیر AD - دانشجوی کارشناسی ارشد رشته فناوری اطلاعات، دانشگاه قم، قم، ایران AD - استادیار مهندسی کامپیوتر، دانشگاه قم، قم، ایران نویسنده مسئول: jalaly@qom.ac.ir Y1 - 2021 PY - 2021 VL - 9 IS - 35 SP - 187 EP - 216 KW - سیستم‌های‌‌پیشنهاددهنده KW - خوشه‌بندی‌گراف KW - تشخیص‌جامعه KW - شبکه‌علمی اجتماعی‌کوثرنت DO - 10.22054/IMS.2020.50876.1698 N2 - در سال‌های اخیر تعداد کاربران شبکه‌های اجتماعی رشد زیادی داشته‌اند. چالش بزرگ مخاطب این شبکه‌ها، نحوه برقراری ارتباط با افراد حاضر در این شبکه‌ها می‌باشد. سیستم‌های پیشنهاددهنده دوست با ارائه پیشنهاداتی سعی در رفع این چالش دارند. در این پژوهش از داده‌‌های شبکه علمی و اجتماعی کوثرنت استفاده شده است. در این تحقیق با استفاده از 10 نوع رابطه بین کاربران و بدون در نظر گرفتن روابط دوستی،گراف شبکه ایجاد و سپس با استفاده از 3 الگوریتم‌ لووین[1]، کی‌میانگین[2] و سلسله‌مراتبی[3]، خوشه‌بندی گراف جهت تشخیص جوامع انجام گردید. خوشه‌های به دست آمده از الگوریتم خوشه‌بندی لووین دارای درصد مطابقت بالاتری با روابط دوستی بودند. سپس با استفاده از الگوریتم ژنتیک[4] برای هر یک از 10 رابطه وزن‌های مختلفی در نظر گرفته شد و با اجرای الگوریتم خوشه‌بندی لووین بر روی گراف شبکه، بیشترین درصد مطابقت به همراه وزن بهینه هر یک از 10 رابطه به دست آمد. در این حالت خوشه‌های حاصل، خوشه‌هایی بهینه حاوی کاربران با بیشترین شباهت هستند. بنابراین می‌توان سایر کاربرانی که در یک خوشه قرار گرفته‌اند به عنوان دوست به یکدیگر پیشنهاد داد. برای اولویت‌بندی پیشنهادات نیز از وزن یال‌های بین افراد در گراف استفاده شد. در پایان روش پیشنهاد دوست ارزیابی و درصد مطابقت دوستان پیشنهادی با دوستان واقعی فرد محاسبه گردید. [1]. Louvain[2]. Kmeans[3]. Hierarchical[4] .Genetic UR - https://ims.atu.ac.ir/article_12861.html L1 - https://ims.atu.ac.ir/article_12861_a1bfea76b560127d13014e7a5c3e3f72.pdf ER -