یک الگوریتم مبتنی بر اتوماتای یادگیر سلولی جدید برای شناسایی جوامع همپوشان در شبکه های اجتماعی

در سالهای اخیر، شبکه های اجتماعی آنلاین با ارائه خدمات و اهداف گوناگون طیف وسیعی از کاربران را به خود جذب کرده اند. با توجه بهحجم انبوه کاربران و وجود گونه های اطلاعاتی مختلف در این شبکه ها، تحلیل شبکه های اجتماعی از اهمیت خاصی برخوردار است. یکی ازویژگی های بارز شبکه های اجتماعی وجود ساختارهای اجتماعی از روابط و فعالیت های کاربران است و کارهای مختلفی توسط محققان برایخوشه بندی و به طور اختصاصی تر شناسایی جوامع در شبکه های اجتماعی صورت گرفته است. در اکثر کارهای انجام شده به طور سنتیساختار جوامع به طور قطعی تعریف شده است در صورتی که امکان همپوشانی در بین اعضای خوشه های شبکه در کاربردهای عملی وجوددارد. در این مقاله با هدف شناسایی جوامع همپوشان یک الگوریتم دو مرحله ای با استفاده از اتوماتای یادگیر سلولی پیشنهاد شده است کهعلاوه بر یافتن ساختارهای جوامع، اعضای همپوشان را نیز شناسایی کند تا به کاربردهای واقعی نزدیکتر باشد. در الگوریتم پیشنهادی برایاولین بار از معیار جدیدی برای محاسبه تعلق نودها به خوشه های مختلف استفاده شده است و همچنین در فاز پایانی با استفاده از بهینهکردن معیار پیمانگی سعی در رسیدن به بهترین ساختار را دارد. به منظور ارزیابی الگوریتم پیشنهادی از دادگان استاندارد شبکه های اجتماعیواقعی در شبیه سازی استفاده شده است و نتایج آزمایشات در مقایسه با سایر الگوریتم های معروف شناسایی اجتماعات حاکی از برتریالگوریتم پیشنهادی است.

کلیدواژه ها:

شناسایی اجتماع ، جوامع همپوشان ، شبکه های اجتماعی ، ماتریس تعلق گراف ، اتوماتای یادگیر سلولی