ویدا درویشی - گروه مهندسی کامپیوتر، واحد اهواز، موسسه آموزش عالی الکترونیکی برخط، اهوا ز، ایران

تشخیص انجمن، یک وظیفه اساسی برای تجزیه وتحلیل شبکه، با هدف تقسیم یک شبکه به زیرساختارهای متعدد برای کمک به آشکار کردن عملکردهای نهفته آن ها است. تشخیص انجمن به طور گسترده در بسیاری از مسائل شبکه های دنیای واقعی موردمطالعه قرار گرفته و به طور گسترده برای آن استفاده شده است. رویکردهای کلاسیک برای تشخیص انجمن معمولا از مدل های احتمالی استفاده می کنند و انواع دانش قبلی را برای استنتاج ساختارهای انجمن اتخاذ می کنند مسائلی که روش های شبکه سعی در حل آن دارند و داده های شبکه مورد تجزیه وتحلیل پیچیده تر می شوند، شامل رویکردهای جدیدی است، به ویژه آن هایی که از یادگیری عمیق استفاده می کنند و داده های شبکه را به نمایش با ابعاد کم تبدیل می کنند. علیرغم همه پیشرفت های اخیر، هنوز درک درستی از روش های تشخیص انجمن وجود ندارد که برای توسعه و تحلیل شبکه بسیار مهم خواهد بود. به همین جهت، در این مقاله، جدیدترین روش های تشخیص انجمن در شبکه های اجتماعی بررسی می شوند. در این مقاله، در ابتدا، روش های تشخیص انجمن مبتنی بر الگوریتم های فراابتکاری (BBO، بهینه سازی ازدحام ذرات، جستجوی فاخته، الگوریتم ژنتیک، الگوریتم بهینه سازی ارشمیدس، بهینه سازی جستجوی اتم، مدل COOT، بهینه سازی شاهین هریس، الگوریتم SMA، الگوریتم بهینه سازی AROA، بهینه سازی کلونی مورچگان) مرور شده اند. سپس روش های تشخیص انجمن مبتنی بر شبکه عصبی، یادگیری عمیق ، یادگیری ماشین و غیره بررسی شده اند.

شبکه های اجتماعی، تشخیص انجمن، الگوریتم های فراابتکاری، شبکه عصبی، یادگیری عمیق، یادگیری ماشین