خوشه بندي گره هاي شبكه با استفاده از يادگيري عميق

Network Nodes Community Detection Based on Deep Learning

خوشه بندي گره هاي شبكه، يكي از مسائلي است كه در سال¬هاي اخير مورد توجه بسياري از محققين قرار گرفته است. در اين مساله هر كاربر بر اساس ويژگي هاي مختلف موجود در شبكه از جمله ساختار، در يك جامعه خاص قرار مي گيرد. يكي از جديدترين رويكردهاي اين مسئله، استفاده از يادگيري عميق جهت استخراج بردار ويژگي هاي هر گره و يافتن جامعه هر گره بر اساس بردار ويژگي آنهاست. در اين مقاله روشي براي يادگيري بردار نمايش گره هاي شبكه بر اساس اطلاعات همسايه¬هاي هر گره و جوامع مختلف موجود در شبكه ارائه شده است. نتايج بدست آمده حاكي از آن است كه روش بردار نمايش ارائه شده در اين مقاله در مقايسه با ساير روش هاي نمايش ساختار شبكه، خوشه بندي با كيفيت تري از افراد موجود در شبكه اجتماعي ارائه مي نمايد.

Network clustering is one of the problems that has attracted many researchers in recent years. In this issue, each user is associated with a specific community based on the various features of the network, including the structure. In the recent years, deep learning is widely used to extract the feature vector of nodes then the vectors are used to find the community of each node. In this paper, a network representation learning algorithm is presented based on the information of the neighbors of each node and communities on the network. The results show that our nodes’ representation method offers a better quality clustering of social networking users than the previous network representation learning methods.