تشخیص جوامع در شبکه های اجتماعی با ترکیب الگوریتم ICA و ضریب خوشه بندی

مسئله تشخیص جوامع از مسائل مهم در بسیاری از زمینه ها مثل شبکه های کامپیوتری، سیستم های توصیه گر وشبکه های بی سیم است و لذا محققان زیادی از رشته های مختلف، تحقیقات متنوعی را پیرامون آن انجام داده اند. درروش پیشنهادی قصد داریم ابتدا معایب الگوریتم رقابت استعماری را با استفاده از عملگرهای اصلی الگوریتم ژنتیکرفع کنیم و سپس با ترکیب الگوریتم رقابت استعماری با ضریب خوشه بندی و گشت بسته دقت تشخیص جامعه را درشبکه های اجتماعی نسبت به روشهای قبلی بالا ببریم. برای این منظور در الگوریتم رقابت استعماری از عملگر برشدر هنگام حرکت مستعمره ها به سمت استعمارگر و از عملگر جهش برای انتخاب یکی از کشورها به صورت تصادفیاستفاده کرده و همچنین برای تعیین استعمارگرها و محاسبه هزینه کل امپراتوری از ضریب خوشه بندی و گشت بستهاستفاده می کنیم. برای ارزیابی روش پیشنهادی از دو معیار اطلاعات متقابل هنجارسازی شده و پیمانه استفاده شدهاست؛ همچنین مقایسه ها را بر روی دو مجموعه داده یوتیوب و فیسبوک انجام داده ایم. نتایج نشان میدهد روش پیشنهادی از نظر معیار اطلاعات متقابل هنجارسازی شده بر روی مجموعه داده یوتیوب، در مقایسه با روش Fast Greedy به میزان 0.41 درصد و بر روی مجموعه داده فیسبوک در مقایسه با روش GCE به میزان 0.37 درصد بهبود داشته است؛ همچنین روش پیشنهادی از نظر معیار پیمانه بر روی مجموعه داده یوتیوب، در مقایسه با روش DDA-M1 به میزان 0.11 درصد و بر روی مجموعه داده فیسبوک در مقایسه با روش DDA-M2 به میزان 0.24 درصد بهبود داشته است. به طور کلی روش پیشنهادی، تشخیص جامعه را نسبت به روشهای دیگر بهبود بیشتری می دهد.

Keywords:

تشخیص جوامع , الگوریتم رقابت استعماری , ضریب خوشه بندی , گشت بسته