خوشه‌بندی محتوایی-ساختاری گراف و معیاری جدید جهت ارزیابی آن

امروزه با گسترش شبکه های اجتماعی در بین مردم، تلاش های مخالفین برای بدبین کردن ایشان نسبت به حکومت که از آن به عنوان جنگ نرم یاد می شود افزایش یافته است، بنابراین توجه به این شبکه ها برای ارگان های نظامی و امنیتی بیش از پیش اهمیت دارد. خوشه بندی گراف از جمله اولین کارهای تحلیلی یک یا چند شبکه اجتماعی است. متاسفانه اکثر خوشه بندی های گرافی انجام شده بر روی جنبه های ساختاری یا محتوایی گره های گراف به صورت مستقل تاکید دارند. هدف از این مقاله (پیاده سازی شده در قالب الگوریتمcscluster ) رسیدن به خوشه هایی با ساختار درونی منسجم و مقادیر ویژگی (محتوایی) همگن در گراف است. از طرفی پس از جستجوهای صورت گرفته در این تحقیق، هیچگونه معیاری جهت ارزیابی الگوریتم های خوشه بندی که جنبه های ساختاری و محتوایی گره ها را به صورت هم زمان در نظر بگیرد، یافت نشد. به همین دلیل در دومین گام معیاری جدید به نام csmeasure ارائه شد که قادر است الگوریتم های خوشه بندی گراف را از هر دو جنبه ساختار و محتوا به صورت هم زمان مورد سنجش قرار دهد. مقایسه الگوریتم مطرح شده با دو الگوریتم خوشه بندی ساختاریمحتوایی (از سه الگوریتم شناخته شده تاکنون) بر اساس معیارهای میانگین شباهت، خطای یال و معیارِ جدیدِ ساختاریمحتوایی، بیانگر عملکرد بهتر روش ارائه شده است و از نظر معیار تراکم نیز عملکرد نسبتاً خوبی دارد.