تشخیص ساختار جوامع همپوشان در شبکه های اجتماعی با استفاده ازتجزیه شبکه

بسیاری از ساختارهای پیچیده را می توان به صورت یک شبکه در نظر گرفت. جاده ها، پایگاه های اینترنتی، شبکه های اجتماعی، ارتباطات سازمانی، روابط خویشاوندی، تبادل نام های الکترونیک، تماس های تلفنی و تراکنش های مالی تنها چند نمونه از این شبکه ها هستند. یکی از مهم ترین فعالیت هایی که در رابطه با این تحقیقات مطرح شده، پیدا کردن گروه هایی از افراد است که ممکن است بیشتر از سایرین باهم در ارتباط باشند که این مسیله تحت عنوان تشخیص ساختار جوامع در شبکه های اجتماعی، شناخته می شود. روش های متعددی با پیاده سازی مختلف وجود دارند که هرکدام دارای نقاط ضعف و قوت می باشند. برخی از این نقاط ضعف عبارت اند از: زمان اجرای زیاد، حساسیت به شرایط اولیه، نیاز به تعیین مقادیر پارامترهای مختلف، عدم کارایی در گراف های بااتصال کم و عدم امکان مقیاس پذیری. در الگوریتم پیشنهادی NDOCD تکنیک خوشه بندی گره ها را جهت شناسایی اتصالات جوامع بکار گرفته و به طور تکراری همه اتصالات تعیین کننده جوامع را حذف و شبکه را به یک شبکه با مولفه های کوچک تر تقسیم می کند. تجزیه شبکه و بهینه سازی تکنیک خوشه بندی گره به طور مشترک برای ساخت یک الگوریتم کارا و باصرفه ازلحاظ زمانی بکار می رود. نتایج بررسی ها نشان می دهد که الگوریتم طراحی شده در جریان تحقیقات این مقاله ازلحاظ کارایی و زمان اجرا دارای برتری مشهودی بر اکثر الگوریتم های مطرح شده قبلی در این زمینه است.

Keywords:

تشخیص جامعه , شبکه های اجتماعی , تحلیل شبکه های اجتماعی , تشخیص جوامع همپوشان