Two-Phase Genetic Algorithm for Social Network Graphs Clustering
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00209377" target="_blank" >RIV/68407700:21230/13:00209377 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/67985807:_____/13:00427034
Výsledek na webu
<a href="http://dx.doi.org/10.1109/WAINA.2013.165" target="_blank" >http://dx.doi.org/10.1109/WAINA.2013.165</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/WAINA.2013.165" target="_blank" >10.1109/WAINA.2013.165</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Two-Phase Genetic Algorithm for Social Network Graphs Clustering
Popis výsledku v původním jazyce
An important and useful task of a social network analysis is partitioning of its users into clusters. The structure of a social network can be naturally modeled by a directed graph. This approach transforms clustering of the users into searching for highly connected sub graphs in such a social network model. Many different approaches and algorithms for this problem exist, one of the possibilities is to utilize genetic algorithms for solving this type of task. In this paper, we analyze several differentgenetic operators and propose evolutionary based algorithm for clustering in the domain of directed weighted graphs.
Název v anglickém jazyce
Two-Phase Genetic Algorithm for Social Network Graphs Clustering
Popis výsledku anglicky
An important and useful task of a social network analysis is partitioning of its users into clusters. The structure of a social network can be naturally modeled by a directed graph. This approach transforms clustering of the users into searching for highly connected sub graphs in such a social network model. Many different approaches and algorithms for this problem exist, one of the possibilities is to utilize genetic algorithms for solving this type of task. In this paper, we analyze several differentgenetic operators and propose evolutionary based algorithm for clustering in the domain of directed weighted graphs.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GAP202%2F11%2F1368" target="_blank" >GAP202/11/1368: Učení funkcionálních vztahů z vysoce dimenzionálních dat</a><br>
Návaznosti
V - Vyzkumna aktivita podporovana z jinych verejnych zdroju
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
27th International Conference on Advanced Information Networking and Applications Workshops
ISBN
978-0-7695-4952-1
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
197-202
Název nakladatele
IEEE Computer Soc.
Místo vydání
Los Alamitos, CA
Místo konání akce
Barcelona
Datum konání akce
25. 3. 2013
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000327181600033