ارایه الگوریتم بهینه جهت شناسایی هم پوشانی جوامع در شبکه های اجتماعی

در هر محیطی(واقعی یا مجازی)، افراد دارای ویژگیهای مشترک را به عنوان یک جامعه میشناسیم. جوامع در شبکهها به منظور درک اصول سازماندهی و نظم ساختاری شبکه، ضروری هستند. جوامع در شبکههای اجتماعی به دو صورت جوامع همپوشان و مجزا تقسیم میشوند. در تشخیص جوامع مجزا همه جوامع کاملا جدا از هم میباشند اما در جوامع همپوشان یک فرد میتواند همزمان در چند جامعه عضو باشد. اخیرا موضوع تشخیص جوامع همپوشان با هدف کشف و شناسایی ویژگیهای شبکههای اجتماعی در زمینههای مختلف کانون توجه محققین قرار گرفته است. در این مقاله الگوریتمی دو مرحلهای مبتنی بر روش خوشهبندی سلسلهمراتبی با زمان اجرایی کم و دقت بالا پیشنهاد شده است. در مرحله اول، الگوریتم پیشنهادی با استفاده از معیار مرکزیت لبه سعی در شناسایی جوامع دارد و در مرحله دوم با استفاده از معیار مرکزیت گره به شناسایی جوامع همپوشان میپردازد که برای بهینه کردن آن از الگوریتم رقابت استعماری استفاده شده است. به منظور ارزیابی روش پیشنهادی، آزمایشات متعددی بر روی مجموعه دادههای استاندارد کلوپ کاراته زاخاری و شبکهی دلفینها و دو شبکه مصنوعی (LFR (با تعداد گرههای مختلف صورت گرفته است. نتایج آزمایشات از لحاظ معیارهای ارزیابی NMI ،Modularity ،score-Fو زمان اجرا حاکی از برتری نسبی روش پیشنهادی میباشد.

Keywords:

شبکههای پیچیده , شبکههای اجتماعی , تشخیص جامعه , جوامع همپوشان