بررسي تاثير چگالي يال‌ها در عملكرد الگوريتم انجمن‌يابي مبتني بر اتاماتاي سلولي يادگيرنده

NA

امروزه تحليل انواع مختلف شبكههاي اطلاعاتي، بيولوژيكي، اجتماعي و... اهميت خاصي دارد. در اين راستا محققان الگوريتمهاي متفاوتي براي شناسايي انجمنهاي يك شبكه ارايه داده‌اند. يكي از اين الگوريتمهاي انجمنيابي، الگوريتمي مبتني بر اتاماتاي سلولي يادگيرنده به نام CLA-Net است. اين الگوريتم تكرار شونده، از طريق تعامل با همسايه‌هاي هرگره و ساختار كلي گراف موفق مي شود به صورت موضعي جستجو و پاسخ بهينه‌اي پيدا كند. از آن‌جايي كه عملكرد الگوريتم‌هاي انجمن‌يابي اغلب فقط روي گراف‌هاي واقعي بررسي مي‌شود لذا اطلاع دقيقي از عملكرد هرالگوريتم روي گراف‌هاي با ويژگي‌هاي مختلف نداريم. هدف اين تحقيق بررسي تاثير چگالي يال‌هاي گراف برعملكرد الگوريتم CLA-NET است. نتايج با معيارهاي ماژولاريتي، نيمرخ، اطلاعات مشترك نرمال‌سازي‌شده (NMI) و خلوص سنجيده شد. طبق اين نتايج مشخص شد، الگوريتم بهترين عملكرد را روي شبكههايي داشت كه نسبت چگالي يال‌هاي داخل انجمني به چگالي يال‌هاي بين انجمني براي آنها بيش‌تر از 0.4 است. همچينين الگوريتم نسبت به افزايش چگالي يال‌هاي بين انجمني تا 30درصد، مقاومت خوبي از خود نشان داد و پس آن يك جهش كاهشي معنادار داشت.

NA