مشخصات مقاله | |
ترجمه عنوان مقاله | طرح مسیریابی توزیع شده هوشمندانه بر اساس شباهت اجتماعی برای شبکه های اجتماعی تلفن همراه |
عنوان انگلیسی مقاله | Intelligent distributed routing scheme based on social similarity for mobile social networks |
انتشار | مقاله سال 2019 |
تعداد صفحات مقاله انگلیسی | 22 صفحه |
هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
پایگاه داده | نشریه الزویر |
نوع نگارش مقاله |
مقاله پژوهشی (Research article) |
مقاله بیس | این مقاله بیس نمیباشد |
نمایه (index) | scopus – master journals – JCR |
نوع مقاله | ISI |
فرمت مقاله انگلیسی | |
ایمپکت فاکتور(IF) |
5.341 در سال 2017 |
شاخص H_index | 85 در سال 2019 |
شاخص SJR | 0.844 در سال 2017 |
شناسه ISSN | 0167-739X |
شاخص Quartile (چارک) | Q1 در سال 2017 |
رشته های مرتبط | مهندسی فناوری اطلاعات – مهندسی کامپیوتر |
گرایش های مرتبط | سامانه های شبکه ای – شبکه های کامپیوتری – الگوریتم و محاسبات – هوش مصنوعی |
نوع ارائه مقاله |
ژورنال |
مجله / کنفرانس | سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems |
دانشگاه | School of Computer and Information Science, Hubei Engineering University, Hubei, China |
کلمات کلیدی | شبکه اجتماعی موبایل، شباهت اجتماعی، مدل پیش بینی، مسیریابی، زمینه اجتماعی |
کلمات کلیدی انگلیسی | mobile social network, social similarity, prediction model, routing, social context |
شناسه دیجیتال – doi |
https://doi.org/10.1016/j.future.2019.02.033 |
کد محصول | E12056 |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
فهرست مطالب مقاله: |
Outline Highlights Abstract Keywords 1. Introduction 2. Related work 3. System model 4. Routing algorithm 5. Performance evaluation 6. Conclusion Acknowledgments References |
بخشی از متن مقاله: |
Abstract In mobile social networks (MSNs), the social attributes of nodes are important factors driving the mobility of nodes. By studying the mobility of the daily activities of node carriers, an intelligent distributed routing algorithm based on social context information prediction was proposed. First, we study the data forwarding problem of mobile social networks from two aspects, the daily behavior of mobile nodes and the similarity of social attributes respectively. Then, our algorithm uses BP neural network to predict the encounter regularity of mobile nodes in terms of time and space dimensions. This information can provide a basis for routing decisions. Finally, a routing algorithm with predictive capability is designed in combination with synchronous delivery and asynchronous delivery. Simulation analysis and experimental results show that the proposed routing algorithm can effectively improve the message delivery ratio and reduce the network overhead. |