افزايش دقت شناسايي جوامع همپوشان با استفاده از وزن‌دهي يال‌ها

يكي از مهمترين ويژگي‌هاي شبكه‌هاي پيچيده وجود ساختارهاي اجتماعي مي‌باشد. بطور مشخص شناسايي اين ساختارها در شبكه‌هاي پيچيده به تحليل ويژگي‌هاي ساختاري شبكه كمك مي‌كند. در سال هاي اخير الگوريتم‌هاي متعددي براي كشف اجتماعات در شبكه‌هاي پيچيده پيشنهاد شده است. با توجه به ويژگي‌هاي اين اجتماعات، يكي از روش‌هاي موجود براي شناسايي اجتماعات ارائه الگوريتم‌هايي براي وزن‌دهي يال‌هاي شبكه است به طوري‌كه وزن يال‌هاي درون اجتماعات افزايش و بطور هم‌زمان وزن يال‌هاي مابين اجتماعات كاهش يابد تا تمايز ميان اجتماعات به سادگي قابل شناسايي باشند.در روش پيشنهادي با استفاده از فرآيند وزن‌دهي به يال‌ها، بين گره‌هاي كه مشابهت بيشتري دارند و گره‌هايي كه مشابهت اندكي با هم دارند تمايز قايل مي‌شويم. يعني با اختصاص وزن با استفاده از معيارهاي پيشنهادي در برخي الگوريتم‌ها ، يال‌هايي كه وزن بيشتري دارند نقش بيشتري در تعيين جمعيت خواهند داشت.با توجه به اينكه يك همبستگي مثبت بين ساختارهاي جامعه و معيارهاي شباهت وجود دارد، نتايج آزمون‌هاي انجام شده نشان ميدهد كه استفاده از معيارهاي مشابهت محلي به عنوان وزن يال‌ها براي برخي از الگوريتم‌ها باعث افزايش دقت تشخيص جوامع ميشود. اين الگوريتم‌ها از درجه گره‌ها به عنوان يكي از ويژگي‌هاي شبكه براي محاسبه قدرت جذب هسته‌ها براي تشكيل جوامع استفاده مي‌كنند. به عنوان نمونه در مورد شبكه‌هاي واقعي، اجراي الگوريتم WHDEM روي شبكه High school network، جوامع را با دقت NMI=0.6652 و معيار خلوص purity=0.9845 كشف مي‌كند كه از بعضي از الگوريتم‌ها مانند CPM، NMF ، GAME ، GCE، OSLOM و LINK از نظر معيار NMI بهتر است.