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 میتوان به روابط و ارتباطات بین افراددر شبکه ها دست یافت. تشخیص اجتماعات کاربران در شبکه های اجتماعی به مفهوم تشخیص گروه های کاربری می باشد. برایشناسایی گروه های کاربری باید کاربران را از نواحی مختلف شبکه به نحوی درنظر گرفت که دارای بیشترین چگالی با یکدیگر باشند.به طورکلی الگوریتم های تشخیص اجتماعات براساس روش های مختلف خوشه بندی ارائه می شوند. در این تحقیق روشی برای افزایشصحت و کیفیت تشخیص اجتماعات با استفاده از الگوریتم های ژنتیک، ازدحام ذرات، خوشه بندی k-means و خوشه بندی louvain بر روی مجموعه داده شبکه اجتماعی خودمحور فیسبوک با الگوریتم های HICODE ،ACD-TC و TSC بر اساس معیارهای سیلوئت و ماژولاریتی ارزیابی و مقایسه شده است. نتایج برتری روش پیشنهادی را در اغلب آزمایش ها نشان می دهد.ارائه شده است. برای این کار از ویژگیها و اطلاعات توپولوژیکی و دموگرافیکی (محتوا) استفاده میشود. عملکرد روش پیشنهادیبراساس معیارهای