رویکردی نوین چند مرحله‌ای برای تشخیص انجمن در شبکه‌های اجتماعی مبتنی بر خوشه‌بندی فازی DBSCAN و بهینه‌سازی جستجوی خزنده

چکیده

تشخیص انجمن یکی از مسائل بنیادی در تحلیل شبکه‌های پیچیده و اجتماعی است که هدف آن شناسایی گروه‌هایی از گره‌ها با ارتباطات درونی متراکم‌تر نسبت به سایر بخش‌های شبکه می‌باشد. چالش اصلی در این حوزه، عدم آگاهی از تعداد دقیق جوامع و حجم بالای گره‌ها در شبکه‌های واقعی است. در این پژوهش، یک رویکرد چندمرحله‌ای نوین ارائه می‌شود که از ترکیب الگوریتم خوشه‌بندی مبتنی بر چگالی (DBSCAN) و الگوریتم بهینه‌سازی جستجوی خزنده (RSA) بهره می‌گیرد. در مرحله اول، با استفاده از DBSCAN و ویژگی‌های استخراج‌شده از گره‌ها به‌ویژه لیست همسایگان، خوشه‌بندی اولیه شبکه انجام می‌شود. در مرحله دوم، الگوریتم RSA با سه فاز مقداردهی اولیه، اکتشاف و بهره‌برداری، جوامع نهایی را شناسایی می‌کند. تابع هدف بر پایه دو معیار ماژولاریتی  و پراکندگی  تعریف شده است. روش پیشنهادی روی هشت مجموعه‌داده واقعی شامل ca-GrQc، ca-HepPh، ca-HepTh، ca-AstroPh، ca-CondMat، شبکه کاراته، فوتبال کالج آمریکایی و شبکه دلفین در محیط MATLAB ارزیابی شده است. نتایج آزمایش‌ها نشان می‌دهد که روش پیشنهادی در اکثر موارد عملکرد بهتری نسبت به روش‌های موجود دارد و مقادیر بالاتری از شاخص‌های  و ماژولاریتی  را به دست می‌آورد.