چیستی و چگونگی شناسایی انجمن ها در شبکه های اجتماعی

شناسایی انجمن ها در شبکه های اجتماعی از مباحث اساسی در تحلیل ساختار پویایی و رفتار شبکه های پیچیده است. این فرآیند گروه هایی از گره ها را شناسایی می کند که ارتباطات درونی آنها بسیار قوی تر از ارتباطاتشان با سایر بخش های شبکه است. اهمیت این حوزه در کاربردهایی مانند تحلیل رفتار اجتماعی، بازاریابی شبکه ای، کشف الگوهای نفوذ، امنیت سایبری و مدلسازی بیماری ها به وضوح مشاهده می شود. هدف این مقاله مروری ارائه تحلیلی جامع و مقایسه ای از مهمترین روش ها، الگوریتم ها و مدل های شناسایی انجمن ها با تمرکز بر مزایا، محدودیت ها و مسیرهای آینده تحقیق است. ابتدا روش های کلاسیک شامل الگوریتم های مبتنی بر مدولاریتی، خوشه بندی سلسله مراتبی، انتشار برچسب و تقسیم بندی شبکه مرور شده اند. سپس رویکردهای فراابتکاری شامل الگوریتم های ژنتیک، کلونی مورچگان، جستجوی تجمعی، الگوریتم های ایمنی و مدل های احتمالاتی بررسی می شوند. بخش بعدی به روش های مدرن تر مانند فرآیندهای انتشار (Diffusion)، حرکت تصادفی (Random Walk) و الگوریتم های گرافی Louvain، Leiden اختصاص دارد که عملکرد چشمگیری در کشف انجمن های همپوشان دارند. همچنین مدل های یادگیری ماشین و یادگیری عمیق به ویژه شبکه های عصبی گراف (GNN) و روش های تعبیه سازی گره به دلیل توانایی استخراج الگوهای پیچیده، جایگاه ویژه ای یافته اند، هرچند پیچیدگی محاسباتی و نیاز به منابع پردازشی بالا چالش برانگیز است. برای مقایسه این رویکردها از مجموعه داده های واقعی مانند Zachary's Karate Club، فیسبوک و توییتر استفاده شده و معیارهایی چون دقت، مقیاس پذیری و سرعت و توانایی شناسایی انجمن های همپوشان در نظر گرفته شده اند. در نهایت این مقاله با جمع بندی یافته ها و ارائه دیدگاهی جامع از وضعیت فعلی و روندهای نوظهور به شناسایی شکاف های پژوهشی کمک کرده و می تواند مرجعی ارزشمند برای پژوهشگران و توسعه دهندگان الگوریتم های نوین باشد.

کلیدواژه ها:

شناسایی انجمن ها ، شبکه های اجتماعی ، شبکه های عصبی گرافی (GNN) ، یادگیری عمیق ، الگوریتم لوون (Louvain) ، شناسایی انجمن های هم پوشان