تشخیص جامعه مبتنی بر تعامل همسایگان گره با جامعه به کمک مدل مولد احتمالاتی

تشخیص اجتماع یکی از شاخه های مهم و پرکاربرد در حوزه تحلیل شبکه های پیچیده است و می تواند اطلاعات بسیار مفیدی را از ساختار ارتباطات بین افراد و تعاملاتشان نشان دهد. شناسایی گرو ه های ضمنی و اجتماعات غیر آشکار شکل گرفته در شبکه های پیچیده یکی دیگر از اهداف تشخیص جوامع است. اجتماع یا ماژول یا خوشه، مجموعه ای از گره های یک گراف است که درون یک گروه سازمان دهی شده اند و در آن احتمال وجود یال بین اعضای یک گروه خیلی بیشتر از احتمال وجود یال با اعضای سایر گروه ها باشد. به عبارت دیگر اجتماع، مجموعه افراد یا سازمان هایی هستند که چگالی ارتباط آن ها باهم بیشتر از سایر موجودیت های شبکه است. در این پژوهش مدلی مبتنی بر تشخیص اجتماع محلی با عنوان تشخیص جامعه احتمالی مبتنی بر سطح ارتباط همسایگان با جامعه ارائه شده است که به اختصار PRBCD نام گذاری شده است. مدل پیشنهادی در ابتدا با روشی ابتکاری به تشکیل اجتماعات اولیه می پردازد و پس ازآن با استفاده از اجتماعات اولیه به دست آمده، به ازای هر گره سطح ارتباط همسایگان آن گره به اجتماعات محلی اولیه را به ازای هر جامعه به صورت جداگانه و با تاثیر دادن چگالی آن جامعه، محاسبه می کند. ارزیابی روش پیشنهادی و مقایسه نتایج حاصل از آن با سایر روش های تشخیص جامعه شش مجموعه داده واقعی انتخاب شده است. نتایج ارزیابی ها نشان از عملکرد مناسب و قابل قبول مدل پیشنهادی دارد؛ به طوری که روش پیشنهادی در تعدادی از مجموعه داده ها بهتر از روش های مطرح مورد مقایسه عمل کرده و در مابقی مجموعه داده ها نیز هم تراز روش های مطرح، ظاهرشده است.

تشخیص جامعه مبتنی بر تعامل همسایگان گره با جامعه به کمک مدل مولد احتمالاتی Keywords:

تشخیص اجتماع , سطح ارتباط همسایگی , مدل احتمالاتی , شبکه پیچیده