ارائه روشي سلسله‌مراتبي جهت خوشه‌بندي ساختاري-محتوايي گراف

A Hierarchical Method For Content-Structured Graph Clustering

موجوديت‌ها در شبكه‌هاي اجتماعي علاوه بر داشتن ارتباط با يكديگر، داراي محتوا نيز هستند. اين مدل از شبكه‌ها مي‌توانند بر روي گراف‌هايي كه گره‌هاي آن شامل متن هستند، مدل شوند. خوشه‌بندي گراف ازجمله مهم‌ترين كارهاي تحليلي شبكه اجتماعي است. باوجوداين دو جنبه، اغلب روش‌هاي خوشه‌بندي تنها يكي از جنبه‌هاي ساختاري يا محتوايي گراف را در نظر مي‌گيرند. الگوريتم‌هاي خوشه‌بندي ساختاري-محتوايي، گراف را از هر دو جنبه ساختار و محتوا به‌صورت هم‌زمان در نظر مي‌گيرند. هدف اين مقاله رسيدن به خوشه‌هايي با ساختار دروني منسجم (ساختاري) و مقادير ويژگي (محتوايي) همگن در گراف است. الگوريتم ارائه شده در اين مقاله RLS-Cluster نام داشته كه به‌صورت سلسله مراتبي با حذف يال با كمترين ميانگين شباهت ميان گره‌هاي محله آن يال، عمل خوشه‌بندي را انجام مي‌دهد. در اين روش براي هر يال ميانگين شباهت محله محاسبه شده و به‌عنوان وزن آن يال در نظر گرفته مي‌شود. يال‌هايي كه داراي كم‌ترين وزن هستند حذف مي‌شوند. اين مرحله تا زماني كه به تعداد خوشه موردنظر كاربر برسد، ادامه ميابد. مقايسه الگوريتم مطرح‌شده با سه الگوريتم خوشه‌بندي ساختاري-محتوايي ارائه شده تاكنون، بر اساس معيارهاي مختلف سنجش كيفيت خوشه، بيانگر عملكرد مناسب روش ارائه شده است. اين معيارها شامل معيارهاي ساختاري، محتوايي و ساختاري-محتوايي هستند.

Entities in social networks, in addition to having the relationship with each other, also have content. This type of networks can be modeled by the enriched graph, in which nodes could have text too. Graph clustering is one of the important attempts toward analyzing social networks. Despite these two facts, most of the existing graph clustering methods independently focused on one of the content or structural aspects. Content-Structural graph clustering algorithms simultaneously consider both the structure and the content of the graph. The main aim of this paper is to achieve well connected (structured) clusters while their nodes benefit from homogeneous attribute values (content). The proposed algorithm in this paper so-called RSL-Cluster performs the clustering by hierarchically removing the edge between nodes which has a weight lower that the average similarity of nodes. This stage continues until reaching the user’s desired number of clusters. Comparing the proposed algorithm with three well-known content-structural clustering algorithms represents the proper functioning of the proposed method. The used measures to evaluate our method include structural, content and the content-structural measures.