خوشه‌بندي محتوايي-ساختاري گراف و معياري جديد جهت ارزيابي آن

امروزه با گسترش شبكه هاي اجتماعي در بين مردم، تلاش هاي مخالفين براي بدبين كردن ايشان نسبت به حكومت كه از آن به عنوان جنگ نرم ياد مي شود افزايش يافته است، بنابراين توجه به اين شبكه ها براي ارگان هاي نظامي و امنيتي بيش از پيش اهميت دارد. خوشه بندي گراف از جمله اولين كارهاي تحليلي يك يا چند شبكه اجتماعي است. متأسفانه اكثر خوشه بندي هاي گرافي انجام شده بر روي جنبه هاي ساختاري يا محتوايي گره هاي گراف به صورت مستقل تأكيد دارند. هدف از اين مقاله (پياده سازي شده در قالب الگوريتمCSCluster ) رسيدن به خوشه هايي با ساختار دروني منسجم و مقادير ويژگي (محتوايي) همگن در گراف است. از طرفي پس از جستجوهاي صورت گرفته در اين تحقيق، هيچگونه معياري جهت ارزيابي الگوريتم هاي خوشه بندي كه جنبه هاي ساختاري و محتوايي گره ها را به صورت هم زمان در نظر بگيرد، يافت نشد. به همين دليل در دومين گام معياري جديد به نام CSMeasure ارائه شد كه قادر است الگوريتم هاي خوشه بندي گراف را از هر دو جنبه ساختار و محتوا به صورت هم زمان مورد سنجش قرار دهد. مقايسه الگوريتم مطرح شده با دو الگوريتم خوشه بندي ساختاريمحتوايي (از سه الگوريتم شناخته شده تاكنون) بر اساس معيارهاي ميانگين شباهت، خطاي يال و معيارِ جديدِ ساختاريمحتوايي، بيانگر عملكرد بهتر روش ارائه شده است و از نظر معيار تراكم نيز عملكرد نسبتاً خوبي دارد.