کشف جوامع در شبکه های اجتماعی با استفاده از الگوریتم انتشار برچسب مبتنی بر رتبه بندی گره ها

یکی از مسایل مهم در حوزه تحلیل شبکه های اجتماعی شناسایی جوامع است. دسته بندی افراد برمبنای مفاهیم و موضوعات مشترک، علاقه مندی و ارتباطات آن ها در شبکه های اجتماعی، استخراج یا کشف جوامع نامیده می شود و الگوریتم های متعددی پیشنهاد و پیاده سازی شده اند که ارتباطات قوی و قطعی بین افراد را با توجه به ارتباطات ساختاری تشخیص می دهند. الگوریتم سنتی کشف جوامع با انتشار برچسب (LPA) نیز جوامع را از طریق ارتباطات قوی و با روشی تصادفی استخراج می نماید. به علت عملکرد تصادفی، LPA مشکلاتی از قبیل عدم ثبات جوامع کشف شده در اجراهای متعدد و گاهی اوقات کشف جوامع غول پیکر را دارد. در این پژوهش سعی شده برخی از مشکلات الگوریتم LPA مرتفع تا جوامعی باکیفیت بهتر استخراج شود. برای حل مشکلات LPA، الگوریتم انتشار برچسب قانونمند LPARN بر اساس رتبه بندی دو مرحله ای افراد پیشنهاد شده است. در مرحله اول گره ها بر اساس درجه امتیاز بندی و به صورت نزولی مرتب خواهند شد و دومین امتیازدهی برحسب میزان شباهت انجام می شود. کارایی الگوریتم پیشنهادی بر روی تعدادی شبکه با داده های واقعی ارزیابی شده و نتایج نشان می دهد، این روش مشکلات انتشار برچسب سنتی را می تواند بهبود دهد.

کلیدواژه ها:

انتشار برچسب ، تشخیص جوامع ، شبکه اجتماعی ، ماژولارتی