هم‌افزايي كاربران در شبكه علمي اجتماعي كوثرنت با استفاده از روش‌هاي خوشه‌بندي مبتني بر گراف

در سال‌هاي اخير تعداد كاربران شبكه‌هاي اجتماعي رشد زيادي داشته‌اند. چالش بزرگ مخاطب اين شبكه‌ها، نحوه برقراري ارتباط با افراد حاضر در اين شبكه‌ها مي‌باشد. سيستم‌هاي پيشنهاددهنده دوست با ارائه پيشنهاداتي سعي در رفع اين چالش دارند. در اين پژوهش از داده‌‌هاي شبكه علمي و اجتماعي كوثرنت استفاده شده است. در اين تحقيق با استفاده از 10 نوع رابطه بين كاربران و بدون در نظر گرفتن روابط دوستي،گراف شبكه ايجاد و سپس با استفاده از 3 الگوريتم‌ لووين[1]، كي‌ميانگين[2] و سلسله‌مراتبي[3]، خوشه‌بندي گراف جهت تشخيص جوامع انجام گرديد. خوشه‌هاي به دست آمده از الگوريتم خوشه‌بندي لووين داراي درصد مطابقت بالاتري با روابط دوستي بودند. سپس با استفاده از الگوريتم ژنتيك[4] براي هر يك از 10 رابطه وزن‌هاي مختلفي در نظر گرفته شد و با اجراي الگوريتم خوشه‌بندي لووين بر روي گراف شبكه، بيشترين درصد مطابقت به همراه وزن بهينه هر يك از 10 رابطه به دست آمد. در اين حالت خوشه‌هاي حاصل، خوشه‌هايي بهينه حاوي كاربران با بيشترين شباهت هستند. بنابراين مي‌توان ساير كاربراني كه در يك خوشه قرار گرفته‌اند به عنوان دوست به يكديگر پيشنهاد داد. براي اولويت‌بندي پيشنهادات نيز از وزن يال‌هاي بين افراد در گراف استفاده شد. در پايان روش پيشنهاد دوست ارزيابي و درصد مطابقت دوستان پيشنهادي با دوستان واقعي فرد محاسبه گرديد.