تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله تجزیه تحلیل نمودار چند لایه ای برای شبکه های اجتماعی پویا – نشریه IEEE

عنوان فارسی: تجزیه تحلیل نمودار چند لایه ای برای شبکه های اجتماعی پویا
عنوان انگلیسی: Multi-layer graph analysis for dynamic social networks
تعداد صفحات مقاله انگلیسی : 10 تعداد صفحات ترجمه فارسی : 24
سال انتشار : 2014 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 5344 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.58Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر و مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله: مهندسی نرم افزار، سامانه های شبکه ای و مدیریت سیستم های اطلاعاتی
مجله: مجله پردازش سیگنال
دانشگاه: دانشکده مهندسی برق و علوم کامپیوتر، دانشگاه میشیگان، ایالات متحده آمریکا
کلمات کلیدی: ابرگراف، گراف های چندگانه، مدلهای گرافیکی مخلوط، بهینگی Pareto
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

مقدمه

1. شبکه های چند لایه ای

2. توصیف مدل سلسله مراتبی

3. مدلسازی مخلوط POSTERIOR یا بعدی

4. مثال شبیه سازی

5. خلاصه سازی پارتو PARETO

6. مدلهای بلوک تصادفی و DSBM

7. مثال ENRON

8. کارهای مرتبط

9. نتیجه گیری

11. ضمیمه A

نمونه متن انگلیسی

Abstract

Modern social networks frequently encompass multiple distinct types of connectivity information; for instance, explicitly acknowledged friend relationships might complement behavioral measures that link users according to their actions or interests. One way to represent these networks is as multi-layer graphs, where each layer contains a unique set of edges over the same underlying vertices (users). Edges in different layers typically have related but distinct semantics; depending on the application multiple layers might be used to reduce noise through averaging, to perform multifaceted analyses, or a combination of the two. However, it is not obvious how to extend standard graph analysis techniques to the multi-layer setting in a flexible way. In this paper we develop latent variable models and methods for mining multi-layer networks for connectivity patterns based on noisy data

نمونه متن ترجمه

چکیده

شبکه های اجتماعی مدرن اغلب متشکل از چند نوع متمایز از اطلاعات ارتباطی هستند؛ برای مثال بطور صریح روابط دوستانه، ممکن است اعمال رفتاری را تکمیل کنند که کاربران با توجه به اقدامات یا منافع خودشان به آنها مرتبط می شوند. یکی از راه هایی که این شبکه ها را نشان می دهد گراف یا نمودارهای چندلایه ای هستند که در آنها هر لایه متشکل از مجموعه ی منحصربفردی از لبه ها یا مرزهایی هستند که زیربنای رئوس هستند (کاربران). معمولا لبه ها در لایه های مختلف به هم مرتبط هستند اما از نظر معنا متمایز و متفاوت هستند؛ که بسته به کاربرد لایه های چندگانه ممکن است به منظور کاهش نویز ها از طریق میانگین گیری استفاده شوند،و برای انجام آنالیز های چندوجهی یا ترکیبی این دو مورد استفاده قرار گیرند. با این حال مشخص نیست که چگونه تکنیک های آنالیز نمودار استاندارد، برای تنظیم چند لایه در یک مسیر انعطاف پذیر گسترش می یابند. در این مقاله مدلهای متغیر پنهان و روش هایی برای کاوش شبکه های چندلایه ای با الگوهای اتصال براساس داده های شلوغ را توسعه داده ایم.