شناسايي جوامع در گرافهاي ارتباطي با استفاده از الگوريتم IsoFdp بهبود يافته

در سالهاي گذشته، شبكههاي تعاملي با توجه به يالهاي ارتباطي كه ميان گرههاي آن وجود دارد مورد توجه زيادي قرار گرفته است. تشخيص جامعه يكي از چالشهاي اصلي براي تجزيه و تحليل اينگونه شبكهها است. جامعه زيرگرافي از يك گراف است كه تعداد ارتباطهاي بين اعضاء آن زيرگراف، نسبت به تعداد ارتباطهايي كه آن را به بقيه گراف متصل ميكند، بيشتر است. هدف اكثر الگوريتمهاي تشخيص جامعه، تقسيمبندي گراف به چند زيرگراف همبند است كه هر گره بايد به يك جامعه متعلق بوده و به ديگر جوامع تعلق نداشته باشد. جامعهبندي گرهها بر اساس شباهتهاي موجود در بين آنها انجام ميشود. كليد اصلي جامعهبندي صحيح، استفاده از معيار شباهت مناسب براي تفكيك گرهها است. در اين مقاله از يك معيار شباهت تركيبي براي جامعهبندي گرهها استفاده شده است. اين معيار بر اساس تركيب وزندار معيار شباهتهاي ساختاري، كسينوسي و همينگ ايجاد شده است. نتايج مقايسات نشاندهنده عملكرد بهتر روش پيشنهادي در مقايسه با موارد مشابه است.