بازيابي و تحليل خصوصيات شهرهاي مختلف در شبكه هاي اجتماعي مبتني بر مكان با استفاده از الگوريتم جستجوي هارموني

با افزايش محبوبيت شبكه هاي اجتماعي مبتني بر مكان و دسترسي به ردپاي ديجيتالي كاربران، يك فرصت مطالعاتي وسيع براي تحليل رفتار مردم شهرهاي مختلف فراهم شده است. ساختار گروه ها در شبكه هاي اجتماعي يكي از مهم ترين مشخصات آن هاست. برخلاف ساير شبكه هاي اجتماعي كه گروه ها بطور صريح براي عضويت مشخص هستند، در LBSN ها، گروه ها تعريف دقيقي ندارند. با توجه به جذابيت بررسي رفتار گروهي كاربران، كشف انجمن در LBSN ها، توجه بسياري از محققان را به خود جلب كرده است. در اين مقاله يك چارچوب هوشمند براي كشف انجمن هاي هم پوشا در LBSN ها بر مبناي بازديدهاي انجام شده توسط كاربران و ويژگي هاي محل هاي بازديد و كاربران، ارائه مي شود. همچنين خوشه بندي بر روي يال هاي دوقسمتي انجام شده كه شامل كاربران و محل هاي بازديد هستند. سپس هر انجمن با استفاده از فرادادۀ كاربران و محل هاي بازديد، پروفايل شده و در گام بعد مشخصات شهرها استخراج مي شوند. تمركز اين مقاله بر روي داده هاي به دست آمده از شبكۀ Foursquare مي باشد. مزيت رويكرد پيشنهادي، استفاده از الگوريتم فرامكاشفه اي جستجوي هارموني با هدف تعيين هوشمند مراكز خوشه ها است.