ارایه ی مدل ترکیبی علف هرز - آشوب برای انتشار اطلاعات در شبکه های اجتماعی

شبکه ها دارای ویژگی های مشترکی هستند که هر ویژگی می تواند تشکل های متعدد را معرفی کند. یکی از ویژگیها که به تازگی کانون توجهات را به خود جلب کرده است ویژگی فرآیند انتشار در شبکه های اجتماعی است. فرآیند انتشار تعریفی عام است مشتمل بر هر چیزی که بتواند در یک شبکه گسترش یابد، مانند انتشار اطلاعات. با استفاده از روش اطلاعات متقابل نرمال شده می توان مدلی برای دسته ای از رفتارها در این شبکه ارایه کرد. ارایه این مدل های آماری که به تازگی مورد توجه بسیاری از محققین قرار گرفته است می تواند در بررسی بیشتر ساختار شبکه های اجتماعی، نحوه گسترش و انتشار اطلاعات و تشخیص تاثیرگذارترین ریوس در این شبکه ها مفید واقع شود، در این مطالعه برای تشخیص تشکل ها به روش اطلاعات متقابل نرمال شده، از الگوریتم های بهینه سازی فرا ابتکاری کلونی مورچه ها، علف هرز، ترکیب الگوریتم علف هرز با نظریه آشوب استفاده شده است. الگوریتم ترکیبی پیشنهادی ما با نام TWO - Chose بر روی سه مجموعه داده دنیای واقعی نظیر شبکه باشگاه کاراته زکریا، شبکه دلفین، و شبکه فوتبال کالیج آمریکا تست شده است و با دیگر الگوریتم های بهینه سازی مانند ACO و IWO مقایسه گردیده است نتایج حاصل از این طراحی نشان می دهد که در مساله تشخیص تشکل ها، مدل پیشنهادی ما از نظر دقت و هزینه از الگوریتم های دیگر بهتر عمل می کند و به خوبی می تواند به جواب مساله همگرا شود