ارائه چارچوبی نوین برای تشخیص انجمن های هم پوشان در شبکه های پویا با بهره گیری از نظریه مجموعه های راف و تحلیل عدم قطعیت

با گسترش شبکه های پیچیده و افزایش تعاملات میان عناصر مختلف در سامانه های اجتماعی، شناسایی ساختارهای پنهان مانند انجمن ها به یکی از مسائل مهم در تحلیل شبکه های پویا تبدیل شده است. در این پژوهش، یک الگوریتم نوین برای تشخیص انجمن های هم پوشان در شبکه های پویا پیشنهاد شده است که بر پایه نظریه مجموعه های راف و مفهوم «تخمین بالاتر متصل» و «اتصال نسبی محدود» طراحی شده است. این الگوریتم قادر است در هر مرحله، دانه های همسایگی را گسترش داده و با استفاده از روابط همسایگی تعمیم یافته، انجمن هایی با ساختار هم پوشان را شناسایی کند. از مزایای برجسته الگوریتم پیشنهادی، امکان تعمیم به گراف های وزنی و جهت دار، تحلیل عدم قطعیت اطلاعات، و استفاده در سیستم های توصیه گر می باشد. در این راستا، الگوریتم در مقایسه با سایر روش ها، با معیارهایی نظیر ماژولاریتی و اطلاعات متقابل نرمال شده (NMI) ارزیابی شده و نتایج بهبود عملکرد آن در استخراج انجمن های با کیفیت و با ساختار هم پوشان را نشان می دهد. این پژوهش ضمن مرور روش های موجود در زمینه تشخیص انجمن، با ارائه رویکردی ترکیبی و مبتنی بر محاسبات نرم، گامی موثر در تحلیل پویای شبکه های اجتماعی واقعی برداشته است.

کلیدواژه ها:

تشخیص انجمن ، شبکه های پویا ، انجمن های هم پوشان ، نظریه مجموعه های راف ، گراف وزنی ، گراف جهت دار ، تحلیل عدم قطعیت ، سیستم توصیه گر ، ماژولاریتی ، اطلاعات متقابل نرمال شده