ارائه راهكاري مبتني بر الگوريتم بهينه‌ سازي مگس ميوه جهت تشخيص اجتماعات در شبكه هاي اجتماعي

A method based on Fruit Fly Optimization algorithm to detect communities in social networks

در دنياي امروز، با گسترش روزافزون استفاده از ارتباطات در بستر اينترنت و رشد شبكه‌هاي اجتماعي، مطالعه و تحليل اين شبكه‌ها ضروري به نظر مي‌رسد. يكي از زمينه‌هاي تحليل شبكه‌هاي اجتماعي تشخيص اجتماعات است يك اجتماع را مي‌توان مجموعه‌اي از اعضاي شبكه در نظر گرفت كه نقش مشابهي را ايفا كرده يا علاقه‌مندي يكساني دارند. از جمله كاربردهاي تشخيص اجتماع مي‌توان به بهبود سيستم‌هاي پيشنهاد دهنده و افزايش دقت موتورهاي جستجو اشاره كرد. الگوريتم‌هاي بسياري در زمينه‌ي تشخيص اجتماع در شبكه‌هاي اجتماعي پيشنهاد شده‌اند. در اين مقاله ،يك روش مبتني بر الگوريتم بهينه‌سازي مگس ميوه به منظور افزايش صحت اين تشخيص از شبكه‌هاي اجتماعي پيشنهاد شده است. تفاوت تحقيق حاضر با روش‌هاي پيشين را مي‌توان در بكار بردن الگوريتم مبتني بر مگس ميوه و ماژولاريتي به عنوان معياري در ارزيابي بهبودي نتايج بدست آمده در هر تكرار خلاصه كرد. از دو نوع مجموعه داده‌هاي جهان واقعي و ساختگي جهت تحليل و بررسي عملكرد روش ارائه شده بهره گرفته شده است. نتايج بدست‌آمده نشان مي‌دهد كه اجتماعات يافت شده توسط الگوريتم پيشنهادي نسبت به اكثر كارهاي شاخص، كيفيت ساختار اجتماع مناسب‌تري كشف كرده است.

In todays world, with the growing use of Internet communications and the growth of social networks it is necessary to study and analyze these networks. One of the most crucial aspects in social networking analysis is the identification of communities in these networks. A community can be considered as a set of network nodes which play a similar role or have an identical interest. Among the applications of community identification, we can refer to the offering systems and increase of search engine precision. Many algorithms have been offered for identifying comminutes in the social networks. In this thesis, a method based on fruit fly optimization is offered in order to increase the accuracy of identification of social networks. The difference between the present study and the previous ones can be summarized in applying fruit fly based algorithm as well as modularity as a measure for evaluating improvement of the results obtained from each repetition. Two sets of both artificial and real world data have been used to analyze the performance of the used method. the results showed that the comminutes found by the offered algorithm discovers more suitable community structure over the other ones