تشخیص جوامع در شبکه های اجتماعی با استفاده از الگوریتم های فراابتکاری مبتنی بر خوشه بندی تجمعی

تحلیل روابط افراد در این شبکه ها اهمیت بسیار دارد. با تحلیل شبکه های اجتماعی می توان به روابط و ارتباطات بین افراد در شبکه ها دست یافت. تشخیص اجتماعات کاربران در شبکه های اجتماعی به مفهوم تشخیص گروه های کاربری می باشد. برای شناسایی گروه های کاربری باید کاربران را از نواحی مختلف شبکه به نحوی درنظر گرفت که دارای بیشترین چگالی با یکدیگر باشند. به‌طورکلی الگوریتم های تشخیص اجتماعات براساس روش های مختلف خوشه بندی ارائه می شوند. در این تحقیق روشی برای افزایش صحت و کیفیت تشخیص اجتماعات با استفاده از الگوریتم های ژنتیک، ازدحام ذرات، خوشه بندی k-means و خوشه بندی louvain ارائه شده است. برای این کار از ویژگی ها و اطلاعات توپولوژیکی و دموگرافیکی (محتوا) استفاده می شود. عملکرد روش پیشنهادی بر روی مجموعه داده شبکه اجتماعی خودمحور فیس‌بوک با الگوریتم های acd-tc، hicode و tsc براساس معیارهای سیلوئت و ماژولاریتی ارزیابی و مقایسه شده است. نتایج برتری روش پیشنهادی را در اغلب آزمایش ها نشان می دهد.