مروری بر روش های تشخیص اجتماع در شبکه های اطلاعاتی و دانش

تشخیص اجتماع در شبکه های اطلاعاتی و دانش به عنوان یکی از مسائل مهم در تحلیل شبکه های پیچیده مطرح است و نقش مهمی در کشف ساختارهای پنهان میان موجودیت ها ایفا می کند. در این شبکه ها، گره ها می توانند نمایانگر مفاهیم، اسناد، کاربران یا موجودیت های دانشی باشند و یال ها بیانگر انواع روابط معنایی یا اطلاعاتی میان آن ها هستند. روش های مختلفی برای تشخیص اجتماع توسعه یافته اند که از جمله مهم ترین آن ها می توان به روش های مبتنی بر بیشینه سازی مدولاریتی، الگوریتم های مبتنی بر برچسب گذاری، روش های طیفی، الگوریتم های مبتنی بر جریان تصادفی و همچنین رویکردهای مبتنی بر یادگیری ماشین و یادگیری عمیق اشاره کرد. هر یک از این رویکردها با توجه به ساختار شبکه، نوع داده ها و مقیاس شبکه دارای مزایا و محدودیت های خاص خود هستند. در سال های اخیر، توجه پژوهشگران به توسعه روش های مقیاس پذیر و همچنین بهره گیری از اطلاعات معنایی در شبکه های دانش افزایش یافته است. بررسی و مقایسه این روش ها نشان می دهد که ترکیب اطلاعات ساختاری شبکه با ویژگی های معنایی می تواند به بهبود دقت تشخیص اجتماع و درک بهتر ساختارهای دانشی منجر شود.

کلیدواژه ها:

تشخیص اجتماع ، شبکه های پیچیده ، شبکه های اطلاعاتی ، شبکه های دانش ، مدولاریتی ، یادگیری عمیق