نمونه‌گيري از گراف شبكه‌هاي اجتماعي براساس ويژگي‌هاي توپولوژيكي و الگوريتم كلوني زنبور عسل

با توجه به رشد سريع شبكه‌هاي اجتماعي در چند سال اخير، مسأله نمونه‌گيري از گراف‌هاي بسيار بزرگ شبكه هاي اجتماعي با هدف تجزيه و تحليل سريع شبكه بر اساس نمونه هاي كوچك، اهميت خاصي پيدا كرده است. مطالعات زيادي در اين راستا انجام شده است، ولي آنها تا حد زيادي با مشكل انتخاب تصادفي، عدم حفظ ويژگي‌هاي شبكه هاي پيچيده در گراف حاصل و يا صرف هزينه زماني بالا براي استخراج گراف نمونه مواجه هستند. در اين مقاله يك روش نمونه گيري جديد را براي نخستين‌ بار با ارائه يك رابطه جديد مبتني بر ويژگي‌هاي ساختاري براي مشخص‌كردن اهميت گره‌ها و استفاده از الگوريتم كلوني زنبور عسل پيشنهاد مي كنيم. اين روش نمونه گيري با ارائه يك رويكرد آگاهانه غيرتصادفي در نمونه گيري سعي دارد تا نمونه حاصله از لحاظ ويژگي‌هايي مانند توپولوژي شبكه، توزيع درجه، تراكم داخلي، درجه ورودي و خروجي و غيره شباهت زيادي با شبكه اصلي داشته باشد. نتايج حاصل، برتري روش پيشنهادي را از لحاظ حفظ ويژگي‌هاي توزيع درجه، ضريب خوشه بندي و غيره در نمونه گراف به‌دست‌آمده نشان مي دهد.