يك الگوريتم مبتني بر اتوماتاي يادگير سلولي جديد براي شناسايي جوامع همپوشان در شبكه‌هاي اجتماعي

در سال هاي اخير، شبكه هاي اجتماعي آنلاين با ارائه خدمات و اهداف گوناگون طيف وسيعي از كاربران را به خود جذب كرده اند. با توجه به حجم انبوه كاربران و وجود گونه هاي اطلاعاتي مختلف در اين شبكه ها، تحليل شبكه هاي اجتماعي از اهميت خاصي برخوردار است. يكي از ويژگي هاي بارز شبكه هاي اجتماعي وجود ساختارهاي اجتماعي از روابط و فعاليت هاي كاربران است و كارهاي مختلفي توسط محققان براي خوشه بندي و به طور اختصاصي تر شناسايي جوامع در شبكه هاي اجتماعي صورت گرفته است. در اكثر كارهاي انجام شده به طور سنتي ساختار جوامع به طور قطعي تعريف شده است در صورتي كه امكان همپوشاني در بين اعضاي خوشه هاي شبكه در كاربردهاي عملي وجود دارد. در اين مقاله با هدف شناسايي جوامع همپوشان يك الگوريتم دو مرحله اي با استفاده از اتوماتاي يادگير سلولي پيشنهاد شده است كه علاوه بر يافتن ساختارهاي جوامع، اعضاي همپوشان را نيز شناسايي كند تا به كاربردهاي واقعي نزديكتر باشد. در الگوريتم پيشنهادي براي اولين بار از معيار جديدي براي محاسبه تعلق نودها به خوشه-هاي مختلف استفاده شده است و همچنين در فاز پاياني با استفاده از بهينه كردن معيار پيمانگي سعي در رسيدن به بهترين ساختار را دارد. به منظور ارزيابي الگوريتم پيشنهادي از دادگان استاندارد شبكه هاي اجتماعي واقعي در شبيه سازي استفاده شده است و نتايج آزمايشات در مقايسه با ساير الگوريتم هاي معروف شناسايي اجتماعات حاكي از برتري الگوريتم پيشنهادي است.