نوع مقاله : مقاله پژوهشی

نویسندگان

1 هیات علمی دانشگاه آزاد واحد زنجان

2 گروه آموزشی مهندسی کامپیوتر، دانشگاه آزاد اسلامی، زنجان، ایران

چکیده

یکی از مهمترین ویژگی‌های شبکه‌های پیچیده وجود ساختارهای اجتماعی می‌باشد. بطور مشخص شناسایی این ساختارها در شبکه‌های پیچیده به تحلیل ویژگی‌های ساختاری شبکه کمک می‌کند. در سال های اخیر الگوریتم‌های متعددی برای کشف اجتماعات در شبکه‌های پیچیده پیشنهاد شده است. با توجه به ویژگی‌های این اجتماعات، یکی از روش‌های موجود برای شناسایی اجتماعات ارائه الگوریتم‌هایی برای وزن‌دهی یال‌های شبکه است به طوری‌که وزن یال‌های درون اجتماعات افزایش و بطور هم‌زمان وزن یال‌های مابین اجتماعات کاهش یابد تا تمایز میان اجتماعات به سادگی قابل شناسایی باشند.
در روش پیشنهادی با استفاده از فرآیند وزن‌دهی به یال‌ها، بین گره‌های که مشابهت بیشتری دارند و گره‌هایی که مشابهت اندکی با هم دارند تمایز قایل می‌شویم. یعنی با اختصاص وزن با استفاده از معیارهای پیشنهادی در برخی الگوریتم‌ها ، یال‌هایی که وزن بیشتری دارند نقش بیشتری در تعیین جمعیت خواهند داشت.
با توجه به اینکه یک همبستگی مثبت بین ساختارهای جامعه و معیارهای شباهت وجود دارد، نتایج آزمون‌های انجام شده نشان می-دهد که استفاده از معیارهای مشابهت محلی به عنوان وزن یال‌ها برای برخی از الگوریتم‌ها باعث افزایش دقت تشخیص جوامع می-شود. این الگوریتم‌ها از درجه گره‌ها به عنوان یکی از ویژگی‌های شبکه برای محاسبه قدرت جذب هسته‌ها برای تشکیل جوامع استفاده می‌کنند. به عنوان نمونه در مورد شبکه‌های واقعی، اجرای الگوریتم WHD-EM روی شبکه High school network، جوامع را با دقت NMI=0.6652 و معیار خلوص purity=0.9845 کشف می‌کند که از بعضی از الگوریتم‌ها مانند CPM، NMF ، GAME ، GCE، OSLOM و LINK از نظر معیار NMI بهتر است.

کلیدواژه‌ها