طراحی و پیادهسازی الگوریتمی کارا برای تشخیص اجتماعات در شبکه- های اجتماعی

در سالهای اخیر، رشد شبکه های اجتماعی نظیر فیسبوک و نرم افزارهای کاربردی گوشی های تلفن همراه نظیر واتساپ و وایبر، محققان را با حجم زیادی از داده ها و منابع محاسباتی برای پردازش، تجزیه و تحلیل روبرو کرده است. تشخیص اجتماعات در شبکه های اجتماعی می تواند اطلاعاتی در مورد ساختار و عملکرد شبکه ارایه دهد اما با افزایش تعداد کاربران، انجام این کار هزینه زمانی و حافظه ای بسیاری در پی خواهد داشت. در این مقاله، الگوریتمی کارا جهت تشخیص اجتماعات با استفاده از پارامترهای محلی از قبیل درجه ی گره و تعریف وزن یال به تناسب درجه ی گره ها با هدف کاهش زمان اجرای الگوریتم و مقدار حافظه مصرفی ارایه شده است. از طرفی یافتن پایدارترین ارتباط بین اعضای یک اجتماع و نیز تاثیرگذارترین رئوس در این شبکه ها بدست آمده است. نتایج شبیه سازی برتری الگوریتم پیشنهادی را در مقابسه با دیگر الگوریتم ها نشان می دهد.

کلیدواژه های طراحی و پیادهسازی الگوریتمی کارا برای تشخیص اجتماعات در شبکه- های اجتماعی:

شخیص اجتماعات ، پارتیشن بندی گراف ، خوشه بندی ، همپوشانی