State of the Art Applications of Social Network Analysis

تجزیه و تحلیل شبکه‌های اجتماعی به طور فزاینده‌ای بر کشف الگوها در زمینه‌های مختلف مطالعه پل می‌زند، زیرا داده‌های بیشتری در دسترس و پیچیده می‌شوند. با این حال، ساخت شبکه‌های عظیم از داده‌های بزرگ اغلب به رویکردهای کاملاً متفاوتی برای تحلیل نیاز دارد، از جمله: تئوری گراف، آمار، یادگیری ماشین و داده کاوی. این کار مطالعات مرزی را در مورد تجزیه و تحلیل شبکه های اجتماعی و استخراج از دیدگاه های مختلف از جمله سایت های شبکه اجتماعی، داده های مالی، ایمیل ها، انجمن ها، صندوق های تحقیقات دانشگاهی، فناوری XML، محتوای وبلاگ، تشخیص جامعه و یافتن دسته، پیش بینی رفتار کاربر را پوشش می دهد. حریم خصوصی در تحلیل شبکه های اجتماعی، تحرک از دیدگاه مکانی-زمانی، فناوری عامل و احزاب سیاسی در مجلس. این موضوعات برای محققان و متخصصان رشته‌های مختلف از جمله، اما نه محدود به، علوم اجتماعی و مهندسی، جالب خواهد بود.

Social network analysis increasingly bridges the discovery of patterns in diverse areas of study as more data becomes available and complex. Yet the construction of huge networks from large data often requires entirely different approaches for analysis including; graph theory, statistics, machine learning and data mining. This work covers frontier studies on social network analysis and mining from different perspectives such as social network sites, financial data, e-mails, forums, academic research funds, XML technology, blog content, community detection and clique finding, prediction of user’s- behavior, privacy in social network analysis, mobility from spatio-temporal point of view, agent technology and political parties in parliament. These topics will be of interest to researchers and practitioners from different disciplines including, but not limited to, social sciences and engineering.