افزایش دقت شناسایی جوامع همپوشان با استفاده از وزن دهی یال ها

یکی از مهمترین ویژگی های شبکه های پیچیده وجود ساختارهای اجتماعی می باشد. بطور مشخص شناسایی این ساختارها در شبکه های پیچیده به تحلیل ویژگی های ساختاری شبکه کمک می کند. در سال های اخیر الگوریتم های متعددی برای کشف اجتماعات در شبکه های پیچیده پیشنهاد شده است. با توجه به ویژگی های این اجتماعات، یکی از روش های موجود برای شناسایی اجتماعات ارائه الگوریتم هایی برای وزن دهی یال های شبکه است به طوری که وزن یال های درون اجتماعات افزایش و بطور هم زمان وزن یال های مابین اجتماعات کاهش یابد تا تمایز میان اجتماعات به سادگی قابل شناسایی باشند.در روش پیشنهادی با استفاده از فرآیند وزن دهی به یال ها، بین گره های که مشابهت بیشتری دارند و گره هایی که مشابهت اندکی با هم دارند تمایز قایل می شویم. یعنی با اختصاص وزن با استفاده از معیارهای پیشنهادی در برخی الگوریتم ها ، یال هایی که وزن بیشتری دارند نقش بیشتری در تعیین جمعیت خواهند داشت.با توجه به اینکه یک همبستگی مثبت بین ساختارهای جامعه و معیارهای شباهت وجود دارد، نتایج آزمون های انجام شده نشان می-دهد که استفاده از معیارهای مشابهت محلی به عنوان وزن یال ها برای برخی از الگوریتم ها باعث افزایش دقت تشخیص جوامع می-شود. این الگوریتم ها از درجه گره ها به عنوان یکی از ویژگی های شبکه برای محاسبه قدرت جذب هسته ها برای تشکیل جوامع استفاده می کنند. به عنوان نمونه در مورد شبکه های واقعی، اجرای الگوریتم WHD-EM روی شبکه High school network، جوامع را با دقت NMI=۰.۶۶۵۲ و معیار خلوص purity=۰.۹۸۴۵ کشف می کند که از بعضی از الگوریتم ها مانند CPM، NMF ، GAME ، GCE، OSLOM و LINK از نظر معیار NMI بهتر است.