ارائه روشي نوين براي تشخيص جوامع در شبكه‌هاي اجتماعي پويا بر مبناي تغييرات شبكه و اطلاعات موجود از جوامع پيشين

كارشناسي ارشد

در سال¬هاي اخير، تحقيق در حوزه شبكه¬هاي اجتماعي پويا توجه زيادي را به خود جلب كرده¬است. يكي از مسائل مورد توجه پژوهش¬گران اين حوزه، تشخيص جوامع است كه به شناخت شبكه و افراد عضو شبكه كمك زيادي مي¬كند. از آن¬جايي كه شبكه¬هاي پويا مدام در حال تغيير و تحول¬اند يكي از چالش-هاي موجود، تشخيص جوامع در زمان كم و كيفيت بالاست. براي دستيابي به سرعت بالا نياز است كه جوامع را به صورت افزايشي و با توجه به تغييرات صورت گرفته در هرگام زماني تشخيص داد، زيرا روش هاي هرچند سريع ايستا به دليل تشخيص دوباره جوامعي كه تغيير نكردند موجب بالارفتن زمان اجرا مي¬شوند و اين موضوع به خصوص در شبكه هاي اجتماعي بزرگ به هيچ وجه قابل قبول نيست. اين پژوهش از دو بخش ايستا و پويا تشكيل شده¬است. در بخش ايستا، در اولين گام زماني، يك الگوريتم ايستا به صورت بازگشتي، با هدف يافتن همه جوامع با اندازه مطلوب، اجرا مي¬شود. سپس از اين جوامع، گره¬هاي با اهميت با استفاده از يك معيار كه تركيبي از سه معيار مركزيت درجه، مركزيت بينابيني و درجه گره است، استخراج مي¬شوند. در بخش پويا، گره¬هاي با‌اهميت گام¬زماني پيشين مورد بررسي قرار مي¬گيرند، اگر حذف نشده باشند و نيز هنوز با‌اهميت باشند، آن¬گاه حول اين گره‌هاي مهم جوامع را تشكيل مي¬دهيم. سپس جوامع به دست آمده را از شبكه حذف مي¬كنيم و برروي قسمت باقي¬مانده از گراف از روش ايستا استفاده شده براي تشخيص جوامع اوليه، براي به دست آوردن جوامع استفاده مي¬كنيم. در نهايت از اين جوامع، گره¬هاي مهم را براي استفاده در گام¬زماني بعدي استخراج مي¬كنيم. نتايج حاصل از اين رويكرد برروي چند مجموعه¬داده، نمايان¬گر كاهش زمان¬اجرا و نيز تشخيص درصد بالايي از جوامع با اندازه مطلوب است. رويكرد پيشنهادي ما همچنين توانسته¬است پيمانگي قابل قبولي را به دست بياورد.

194391

دانشگاه علم و صنعت ايران

نرم افزار

دكتر حسن نادري