مانا هیبت الله پورده میرانی - آزمایشگاه محاسبات نرم، دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران
محمدرضا میبدی - آزمایشگاه محاسبات نرم، دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران
علیرضا رضوانیان - آزمایشگاه محاسبات نرم، دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران

با توجه به ساختار روابط اجتماعی میان کاربران و وجود ساختارهای اجتماعی در شبکه های اجتماعی، یکی از مسائل مهم دراین شبکه ها، شناسایی جوامع به منظور تحلیل ساختاری شبکه اجتماعی است. در مسئله شناسایی جوامع، هدف تقسیم بندی شبکهبه مجموعه ای از زیر گراف هاست به گونه ای که تراکم ارتباطات داخل جوامع خیلی بالا و ارتباط مابین جوامع خیلی پایین باشد. دراین مقاله با استفاده از یک الگوریتم مبتنی بر آتوماتای یادگیر سلولی نامنظم سعی بر شناسایی جوامع در شبکه های اجتماعی شدهاست. در الگوریتم پیشنهادی هر گره از گراف به یک آتوماتان یادگیر مجهز شده و براساس روابط همسایگی گره های گراف و روابطکل گره های گراف با یکدیگر براساس معیاری جدیدی به نام سیگنیفیکنس، فرآیند پاداش و جریمه به اقدام های اتوماتاهای یادگیراعمال می شود. در واقع اساس کار این مقاله بهینه سازی معیار عمومی سیگنیفیکنس در کنار یک معیار محلی با استفاده از آتوماتاییادگیر سلولی است تا بتوان جوامع را به درستی تشخیص داد. به منظور ارزیابی کارایی الگوریتم پیشنهادی آزمایشاتی بر رویدادگان استاندارد شبکه های اجتماعی ترتیب داده شده است که نتایج آزمایشات در مقایسه با الگوریتم های متداول شناسایی جوامعحاکی از برتری روش پیشنهادی از نظر دقت و زمان اجرا است.

شبکه های اجتماعی، شناسایی جوامع، آتوماتای یادگیر سلولی، معیار سیگنیفیکنس، بهینه سازی