Advances in Social Network Mining and Analysis: Second International Workshop, SNAKDD 2008, Las Vegas, NV, USA, August 24-27, 2008

جلد پیشرفت‌ها در تجزیه و تحلیل شبکه‌های اجتماعی امسال حاوی نتایج دومین کارگاه بین‌المللی تحلیل شبکه‌های اجتماعی (SNAKDD 2008) است. این کارگاه سالانه با ACM SIGKDD - کنفرانس بین المللی کشف دانش و داده کاوی (KDD) همکاری می کند. دومین کارگاه آموزشی SNAKDD با KDD 2008 برگزار شد و بیش از 32 مورد ارسالی در موضوعات کاوی و تحلیل شبکه های اجتماعی دریافت کرد. ما 11 مقاله معمولی و 8 مقاله کوتاه پذیرفتیم. هفت مقاله در این جلد گنجانده شده است. در سال‌های اخیر، تحقیقات شبکه‌های اجتماعی به لطف رواج وب‌سایت‌های اجتماعی آنلاین و سیستم‌های پیام‌رسانی فوری و همچنین در دسترس بودن انواع سیستم‌های شبکه اجتماعی در مقیاس بزرگ، پیشرفت چشمگیری داشته است. این سیستم‌های شبکه‌های اجتماعی معمولاً با ساختارهای شبکه پیچیده و اطلاعات متنی همراه غنی مشخص می‌شوند. محققان به طور فزاینده ای علاقه مند به پرداختن به طیف گسترده ای از چالش های موجود در این سیستم های شبکه های اجتماعی ناهمگون هستند، از جمله شناسایی ویژگی های مشترک توپولتیک ایستا و ویژگی های پویا در طول شکل گیری و تکامل این شبکه های اجتماعی، و اینکه چگونه اطلاعات متنی می تواند در تجزیه و تحلیل شبکه های اجتماعی کمک کند. مربوط به شبکه های اجتماعی است. این مسائل پیامدهای مهمی بر کشف اشتراک، تشخیص ناهنجاری، پیش بینی روند و افزایش کاربردها در حوزه های مختلف مانند بازیابی اطلاعات، سیستم های توصیه، امنیت و غیره دارند.

This year’s volume of Advances in Social Network Analysis contains the p- ceedings for the Second International Workshop on Social Network Analysis (SNAKDD 2008). The annual workshop co-locates with the ACM SIGKDD - ternational Conference on Knowledge Discovery and Data Mining (KDD). The second SNAKDD workshop was held with KDD 2008 and received more than 32 submissions on social network mining and analysis topics. We accepted 11 regular papers and 8 short papers. Seven of the papers are included in this volume. In recent years, social network research has advanced signi?cantly, thanks to the prevalence of the online social websites and instant messaging systems as well as the availability of a variety of large-scale o?ine social network systems. These social network systems are usually characterized by the complex network structures and rich accompanying contextual information. Researchers are - creasingly interested in addressing a wide range of challenges residing in these disparate social network systems, including identifying common static topol- ical properties and dynamic properties during the formation and evolution of these social networks, and how contextual information can help in analyzing the pertaining socialnetworks.These issues haveimportant implications oncom- nitydiscovery,anomalydetection,trendpredictionandcanenhanceapplications in multiple domains such as information retrieval, recommendation systems, - curity and so on.