التخصص: نظم المعلومات

التخصص الدقيق: Social Network

المستخلص: يوفر الاستخدام الهائل للشبكات الاجتماعية والتعاونية الفرصة لتحليل تطور العلاقات بين الأفراد، مثل المشاهير أو المؤلفين المشاركين. إن اكتشاف مثل هذه الظاهرة في الشبكات الكبيرة المعقدة ليس بالأمر الهين بسبب أحجامها الكبيرة. في هذه الحالة، تكون وظائف التجميع المستخدمة في OLAP مفيدة لتحليل البيانات الملخصة. لقد أثبت OLAP قيمته بنجاح على الشبكات متعددة الأبعاد أو المعقدة. ومع ذلك، فإن التجميعات الموجودة في أنظمة OLAP الحالية لا تنتج نتائج متعددة الاستخدامات في حالة الشبكات الاجتماعية والتعاونية. يحدث هذا لأن النوع المذكور من الشبكات يحتوي على اتصال/روابط هيكلية بين العقد، والتي لا يمكن لـ OLAP أخذها في الاعتبار أثناء تنفيذها. في هذه الحالة، يتم تفويت اكتشاف مفيد فيما يتعلق بتحديد أزواج العقد التي ظهرت علاقاتها في الآونة الأخيرة. يعد اكتشاف أزواج العقد أمرًا مهمًا لمختلف التطبيقات مثل التسويق المستهدف والشراكات المشتركة المستقبلية والتنبؤ بالمراسلات المستقبلية على سبيل المثال لا الحصر. في هذه الدراسة، نطلق على هذه الأزواج اسم Rising_Pairs ونقترح وظيفة تجميع لتنفيذ OLAP على بيانات الشبكة التي يتم الاحتفاظ بمعلوماتها التاريخية على مدى فترة من الزمن. باستخدام المعلومات الهيكلية، تكتشف وظيفة التجميع المقترحة Rising_Pairs، الأزواج المقترنة بقوة في بيانات الشبكة من خلال التأكيد على تفاعلاتها الحديثة وأوجه التشابه في السمات. وبهذه الطريقة، يتم تحديد المعلومات المفيدة المتعلقة بالأزواج المقترنة بقوة في الشبكة. للتحقق من فعالية اقتراحنا، قمنا بتنفيذه على أنواع مختلفة من شبكات العالم الحقيقي مثل فيسبوك، والببليوغرافيا الرقمية ومشروع المكتبات (DBLP) ومجموعات بيانات مسار نظام تحديد المواقع العالمي (GPS) ولاحظنا أنماطًا مثيرة للاهتمام.

Abstract: The overwhelming usage of social and collaboration networks provides the opportunity to analyze evolution of relationships among individuals, like celebrities or co-authors. Discovering such phenomenon in large complex networks is non-trivial due to their large sizes. In this situation, the aggregation functions used in OLAP, are useful to analyze the summarized data. OLAP has successfully proven its worth on multidimensional or complex networks. However, existing aggregations in the current OLAP systems do not produce versatile results in case of social and collaboration networks. This happens because said type of networks have structural connectivity/links among nodes, which cannot be considered by OLAP during its execution. In this situation, a useful discovery in terms of identifying pairs of nodes whose relationships is emerging in recent time, is missed. Such discovery of pairs of nodes is important for various applications such as targeted marketing, future joint partnerships and predicting future correspondence to name a few. In this study, we call such pairs as Rising_Pairs and propose an aggregation function for performing OLAP on network data whose historical information is maintained over a period of times. Using structural information, Rising_Pairs, our proposed aggregation function, discovers the strongly coupled pairs in a network data by emphasizing their recent interactions and attribute similarities. In this way, useful information related to strongly coupled pairs in a network is identified. To verify the effectiveness of our proposal, we implemented it on various types of real-world networks like Facebook, Digital Bibliography and Library Project (DBLP) and Global Positioning System (GPS) trajectory datasets and observed interesting patterns

الحالة: محكم ومنشور

جهة التحكيم:

دار النشر: Science Publications

سنة النشر: 2020