طرح مسیریابی توزیع شده هوشمندانه بر اساس شباهت اجتماعی
ترجمه نشده

طرح مسیریابی توزیع شده هوشمندانه بر اساس شباهت اجتماعی

عنوان فارسی 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
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
رشته های تحصیلی مرتبط:  مهندسی فناوری اطلاعات، مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: سامانه های شبکه ای، شبکه های کامپیوتری، الگوریتم و  محاسبات، هوش مصنوعی
کلمات کلیدی فارسی: شبکه اجتماعی موبایل، شباهت اجتماعی، مدل پیش بینی، مسیریابی، زمینه اجتماعی
کلمات کلیدی انگلیسی: mobile social network, social similarity, prediction model, routing, social context
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2019.02.033
دانشگاه: School of Computer and Information Science, Hubei Engineering University, Hubei, China
صفحات مقاله انگلیسی: 22
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 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
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
کد محصول: E12056
فهرست مطالب (انگلیسی)

Abstract

1. Introduction

2. Related work

3. System model

4. Routing algorithm

5. Performance evaluation

6. Conclusion

Acknowledgments

References

بخشی از مقاله (انگلیسی)

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.