تشخیص جامعه در شبکه های اجتماعی با استفاده از الگوریتم های داده کاوی

مطالعه تاثیر اجتماعی در شبکه ها برای شناخت رفتار، عملی ضروری است. مسئله تشخیص جامعه در مقالات متعدد تحقیقاتی در دهه گذشته به طور گسترده مورد مطالعه قرار گرفته است. دیدگاه سنتی فرض می کند که اقلیتی از اعضای یک جامعه دارای ویژگی هایی است که آنها را در گسترش ایده ها به دیگران متقاعد می کند. این افراد استثنایی تمایل اکثریت مردم عادی را به خود جلب می کنند. رهبران و یا نفوذکنندگان مسئول انتشار اطلاعات و انتشار نفوذ هستند. برای این مشکل چندین راه حل پیشنهاد شده وجود دارد. با این حال چالش های این مشکل هنوز به طور کامل حل نشده است. شناخت از این شبکه ها و تحلیل صحیح آنها در حیطه های مختلف علمی و اجتماعی بسیار سودمند است. در این مقاله، ما ایده ترکیب خوشه بندی کلونی مورچه ، که یک راه حل جستجوی محلی است، با بهینه سازی کلونی زنبورعسل برای تشخیص سریع تر و دقیق تر با قابلیت جستجوی جهانی جوامع، استفاده می کنیم. ما از زنبورهای رقصنده برای تبادل اطلاعات بین گره ها استفاده می کنیم و یک گره در خوشه بندی کلونی مورچه به عنوان یک مورچه در نظر گرفته می شود. نتایج تجربی در شبکه های دنیای واقعی و همچنین نمودار مصنوعی تولید عملکرد برتر الگوریتم ما را در مقایسه با سایر روش های قبلی نشان می دهد .

کلیدواژه ها:

تشخیص جامعه ، کلونی مورچه ، شبکه های اجتماعی ، بهینه سازی کلونی زنبور عسل ، خوشه بندی