بهبود خوشه بندی شبکه های اجتماعی با الگوریتم تکاملی رقابت استعماری و معیار شباهت درونی گره های شبکه

به دلیل رشد روز افزون تمایل افراد به عضویت و استفاده از شبکه های  اجتماعی، برقراری ارتباط و به اشتراک گذاری داده های موجود در این شبکه ها، مورد توجه علوم مختلف همانند علوم سیاسی، روانشناسی، جامعه شناسی، اقتصاد و … قرار گرفته است. به همین دلیل، محققین اقدام به تشخیص و استخراج روابط بین افراد از داده های موجود در این شبکه ها، برای ایجاد جوامع دقیق تر نموده اند. با این حال هنوز روشی موثر جهت شناسایی و استخراج جوامع، بر مبنای داده های شبکه های اجتماعی ارایه نشده است. در این مقاله، به منظور خوشه بندی دقیق تر جوامع موجود در یک شبکه اجتماعی، روشی بر پایه استفاده از الگوریتم فرا ابتکاری تکاملی رقابت استعماری و با انتخاب جمعیت اولیه بر اساس معیار خوشه بندی مبتنی بر چگالی معرفی شده است. روش پیشنهادی در مقایسه با الگوریتم رقابت استعماری پایه، به طور میانگین مقدار ماژولاریتی را ۲۱.۴۵% افزایش داده و جوامع منسجم تری را استخراج نموده است.

Keywords:

Imperial Competitive Algorithm , Evolutionary Algorithms , Graph Clustering , density-based clustering , Social Networks , الگوریتم رقابت استعماری , الگوریتم های تکاملی , خوشه بندی گراف , خوشه بندی مبتنی بر چگالی , شبکه های اجتماعی