بهینه سازی فضای سرچ در الگوریتم قورباغه جهنده با بهره گیری از الگوریتم لووین در تحلیل شبکه های اجتماعی

یک شبکه اجتماعی ساختاری از گروه های فردی یا سازمانی تشکیل شده است که توسط یک یا چند نوع خاص از وابستگی ها به هم وصل هستند. در سال های اخیر، با محبوبیت شبکه های اجتماعی مشکل بیشینه سازی تاثیر به یکی از موضوعات داغ در این زمینه تبدیل شده است. بیشینه سازی تاثیر، مسئله پیدا کردن زیر مجموعه ی محدودی از گره ها در یک شبکه اجتماعی است که تعداد گره های تحت تاثیر را به حداکثر برساند. برای رسیدن به تاثیر بیشینه روش های بسیاری ارائه شده از جمله روش های حریصانه ای مانند CELF که با وجود نتایج خوب از محاسبات زیاد رنج می برند و کارایی این الگوریتم ها برای شبکه اجتماعی بزرگ ناچیز است. روش دیگر برای پیدا کردن این گره ها روش های اکتشافی است که معمولا سرعت بهتری دارند ولی نتایج ضعیفی بدست می آورند. در این تحقیق روشی ارائه شده است که شامل تشخیص جامعه، انتخاب گره با بیشترین درجه و استفاده از الگوریتم قورباغه جهنده برای به حداکثر رساندن گسترش تاثیر تحت مدل آبشاری مستقل است. آزمایش های انجام شده بر روی دو مجموعه داده های دنیای واقعی نشان داده اند روش ما در مقایسه با الگوریتم های به روز دقت بالاتری دارد ضمن اینکه از نظر زمانی از بقیه سریعتر است.

کلیدواژه ها:

الگوریتم قورباغه جهنده ، بیشینه سازی تاثیر ، روش های حریصانه ، شبکه اجتماعی ، مدل آبشاری