بهینه سازی جوامع هم پوشان در شبکه های اجتماعی با استفاده از رویکرد داده کاوی بصری

یکی - از مهمترین ویژگی های شبکه های امروزی وجود ساختارهای اجتماعی می باشد.همچنین از مساله های مهم در شبکه های اجتماعی شناسایی جامعه می باشد. بطور مشخص شناسایی این ساختارها درشبکه های پیچیده به تحلیل ویژگی های ساختاری شبکه کمک می کند . در سال های اخیر الگوریتم های متعددی برای کشف اجتماعات درشبکه های پیچیده پیشنهاد شده است . با توجه به ویژگی های این اجتماعات، یکی از روش های موجود برای شناسایی اجتماعات ارائه الگوریتم هایی بر مبنای استفاده از تکنیک های داده کاوی می باشد . جامعه زیرگرافی از یک گراف است که تعداد ارتباطات بین اعضای آن زیر گراف نسبت به تعداد ارتباطاتی که آنها را به بقیه گراف متصل می کند بیشتر است. روش های قبلی معمولا اطلاعات کاربران و همبستگی و یا پرت بودن را به عنوان پارامتر ورودی نیاز داشتند.در این مقاله ما رویکردی برای انتخاب پارامتر مناسب بوسیله مشاهده تصویری داده های اولیه ارائه داده و سپس در یک شبکه همپوشانی جوامع را استخراج و پیدا خواهیم کرد. به منظور ارزیابی روش پیشنهادی، آزمایشات متعددی بر روی مجموعه داده های استاندارد شبکه های پیچیده صورت گرفته است . نتایج آزمایشات از لحاظ معیارهای ارزیابی ماژولار و خلوص و معیارهای مشابهت حاکی از برتری نسبی روش پیشنهادی است

کلیدواژه ها:

ساختار اجتماعی ، شبکه های اجتماعی ، شبکه های پیچیده ، کشف اجتماعات ، ماژولاریتی