محمد محمدحسینی - دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، نرم افزار، موسسه آموزش عالی دیلمان لاهیجان
فاطمه احمدی آبکناری - استادیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور رشت
راهبه مجتهدی صفاری - مربی، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی لاهیجان

با گسترش روز افزون تعداد کاربران شبکه های اجتماعی، تشخیص اجتماعات موضوع محور بر اساس موضوعات مشترک مورد علاقه کاربران به یکی از زمینه های پژوهشی جذاب در حوزه تحلیل شبکه های اجتماعی بدل گشته است. یک از چالش های این حوزه وابسته بودن الگوریتم ها وراهکارهای تشخیص اجتماعات بر اساس محوریت موضوع شبکه های اجتماعی است. از این رو در این پژوهش، شبکه ای از مقالات و ارجاعات بین آنها به عنوان مطالعه موردی با استفاده از نرم افزار پایگاه داده گراف محور Neo4j پیاده سازی شده است. سپس به منظور استفاده از راهکار خوشهبندی گراف به کمک نرم افزار داده کاوی Rapidminer سه الگوریتم خوشه بندی متفاوت بر گراف موضوعی مقالات و ارجاعات اعمال شد. متریک های مورد استفاده در خوشه بندی های صورت گرفته، عنوان مقالات و کلمات کلیدی مقالات در نظر گرفته شد. نتایج حاکی از مناسب تر بودن متریک عنوان نسبت به کلمات کلیدی به علت تخصصی تر بودن دامنه لغات است

تشخیص اجتماعات، تحلیل شبکههای اجتماعی، خوشهبندی گراف، شبکه های اجتماعی موضوع محور