افزایش کارایی الگوریتم های تشخیص جامعه با استفاده از روش فراابتکاری حذف گره های درجه بالا

الگوریتم هایی که برای تشخیص جوامع استفاده میشوند، به زمان و فضای ذخیره سازی بالایی نیاز دارند. در این مقاله یک روش فراابتکاری برای افزایش کارایی الگوریتمهای تشخیص جامعه در شبکه های پیچیده پیشنهاد شده است. این روش شامل یک پیش پردازش و یک پسپردازش است که بر روی الگوریتم های مختلف تشخیص جوامع قابل پیاده سازی است. یک الگوریتم مشخص تشخیص جوامع در شبکه های پیچیده را در نظر بگیرید. در فاز پیش پردازش و قبل از اعمال الگوریتم، گره هایی با درجه بالا فیلتر میشوند؛ یعنی الگوریتم آنها را در نظر نمی گیرد . بعد از تشخیص جوامع توسط الگوریتم مرحله پسپردازش انجام میشود. در این مرحله، گره های فیلتر شده به شبکه بازگردانده میشوند و در جوامع موجود جایابی میگردند. روش پیشنهادی در این مقاله بر روی 5 مجموعه داده با استفاده از الگوریتم Girvan-Newman از کتابخانه networkx1 پیادهسازی شده است. نتایج آزمایشها بهبود 39,99 درصدی زمان پردازش تشخیص جامعه را نشان میدهد.