ارائه یک الگوریتم سه مرحله ای برای تشخیص جوامع مبتنی بر گره های ناهنجار مرکزی

تشخیص اجتماع یک مساله پیچیده و مهم در مطالعه ساختار شبکه و فهم ویژگی ها، برای استخراج اطلاعات شبکه است. این مسئله، به کرات مورد توجه پژوهشگران مختلف قرار گرفته است؛ اما همچنان تشخیص جوامع با دقت و کیفیت بالا در شبکه های پیچیده، یکی از مسائل باز این حوزه می باشد. به طور کلی، تشخیص درست جوامع به شناسایی دقیق گرههای مرکزی وابسته است. تاکنون درتشخیص گره های مرکزی، بیشتر موارد گره های با درجه بالا و فاصله بیشتر مد نظر گرفته شده است اما در این پژوهش برای اولین بار، گره های مرکزی در شبکه های پیچیده بر اساس ناهنجاری گره ها شناسایی شدند. منظور از گره های ناهنجار، گره هایی هستند که رفتار آنها، از رفتار غالب گره های شبکه دور بوده و می تواند متعلق به یک گره تاثیرگذار در شبکه یا یک اسپمر باشد. در این پژوهش، در گاماول بعد از شناسایی گره های مرکزی با بررسی میزان ناهنجاری گره، در گام دوم از الگوریتم انتشار برچسب، برای دسته بندی اجتماع ها استفاده شده و نهایتا در گام سوم، پیش اجتماع های تشخیص داده شده در گام دوم، با هم ترکیب می شوند. آزمایش ها و شبیه سازی ها در محیط متلب نشان می دهد که روش پیشنهادی، از نرخ صحت، معیار ماژولاریتی و اطلاعات متقابل نرمال شده بهبود یافته تری نسبت بهپژوهش های پیشین برخوردار است.

کلیدواژه ها:

تشخیص اجتماع ، گره های مرکزی ، گره های ناهنجار ، انتشار برچسب ، الگوریتم آکوگلو