روشی ترکیبی برای شناسایی جوامع مبتنی بر تعاملات کاربران، توپولوژی شبکه و کاوش الگوی تکرارشونده
نویسندگان
1 گروه مهندسی کامپیوتر و فناوری اطلاعات، واحدتهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، واحد تهران مرکزی، دانشگاه آزاد اسلامی
3 دانشجوی دکتری تخصصی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، واحد تهران مرکزی، دانشگاه آزاد اسلامی
doi
10.22075/jme.2023.29816.2402چکیده
در سالهای اخیر، شناسایی جوامع در شبکههای اجتماعی به یکی از مهمترین حوزههای تحقیقاتی تبدیل شده است. اکثر روشهای تشخیص جامعه از اطلاعات توپولوژیکی شبکه استفاده میکنند. درحالیکه انواع مختلفی از تعاملات در شبکههای اجتماعی وجود دارد که چنانچه با توپولوژی شبکه ترکیب شود باعث بهبود دقت در شناسایی جوامع میشود. در این مقاله، روشی ترکیبی برای شناسایی جوامع، مبتنی بر توپولوژی شبکه، درجه تعامل بهبود یافته کاربران و کاوش الگوی تکرارشونده بر روی تعاملات کاربران پیشنهاد میشود. جوامع اولیه، بر اساس مرکزیت بردار ویژه و کاوش الگوی تکرارشونده، حول گرههای اثرگذار شکل میگیرند. جوامع شکل گرفته، مبتنی بر ماژولاریتی و درجه تعامل بهبود یافته کاربران گسترش مییابند. در اغلب روشها، تعاملات مستقیم دو کاربر و تعاملات آنها با همسایگان مشترک برای محاسبه درجه تعامل دو کاربر در نظر گرفته میشود. در نظر گرفتن تعاملات بین همسایگان مشترک، دقت درجه تعاملات کاربران را بهبود میبخشد. در مقاله جاری، برای محاسبه درجه تعامل بین کاربران، معیاری بهبود یافته مبتنی بر ضریب خوشهبندی محلی و تعاملات بین همسایگان مشترک ارائه میشود. نتایج ارزیابی روی دو مجموعه داده هیگزتوییتر و فلیکر با استفاده از شاخصهای NMI، امگا و چگالی داخلی نشان میدهد که روش پیشنهادی در مقایسه با پنج روش شناسایی جامعه دیگر عملکرد بهتری دارد.
