سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

چیستی و چگونگی شناسایی انجمن‌ها در شبکه‌های اجتماعی

Authors :

غزاله حاجی آبادی¹ مجید عبدالرزاق نژاد²

1- دانشگاه صنعتی بیرجند 2- دانشگاه صنعتی بیرجند

Keywords :

شناسایی انجمن‌ها،شبکه‌های اجتماعی،شبکه‌های عصبی گرافی (GNN)،یادگیری عمیق،الگوریتم لوون (Louvain)،شناسایی انجمن‌های هم‌پوشان

Abstract :

شناسایی انجمن‌ها در شبکه‌های اجتماعی از مباحث اساسی در تحلیل ساختار، پویایی و رفتار شبکه‌های پیچیده است. این فرآیند گروه‌هایی از گره‌ها را شناسایی می‌کند که ارتباطات درونی آن‌ها بسیار قوی‌تر از ارتباطاتشان با سایر بخش‌های شبکه است. اهمیت این حوزه در کاربردهایی مانند تحلیل رفتار اجتماعی، بازاریابی شبکه‌ای، کشف الگوهای نفوذ، امنیت سایبری و مدل‌سازی بیماری‌ها به وضوح مشاهده می‌شود. هدف این مقاله مروری، ارائه تحلیلی جامع و مقایسه‌ای از مهم‌ترین روش‌ها، الگوریتم‌ها و مدل‌های شناسایی انجمن‌ها با تمرکز بر مزایا، محدودیت‌ها و مسیرهای آینده تحقیق است. ابتدا روش‌های کلاسیک شامل الگوریتم‌های مبتنی بر مدولاریتی، خوشه‌بندی سلسله‌مراتبی، انتشار برچسب و تقسیم‌بندی شبکه مرور شده‌اند. سپس رویکردهای فراابتکاری شامل الگوریتم‌های ژنتیک، کلونی مورچگان، جستجوی تجمعی، الگوریتم‌های ایمنی و مدل‌های احتمالاتی بررسی می‌شوند. بخش بعدی به روش‌های مدرن‌تر مانند فرآیندهای انتشار (Diffusion)، حرکت تصادفی (Random Walk) و الگوریتم‌های گرافی Louvain و Leiden اختصاص دارد که عملکرد چشمگیری در کشف انجمن‌های هم‌پوشان دارند. همچنین مدل‌های یادگیری ماشین و یادگیری عمیق به‌ویژه شبکه‌های عصبی گراف (GNN) و روش‌های تعبیه‌سازی گره، به دلیل توانایی استخراج الگوهای پیچیده، جایگاه ویژه‌ای یافته‌اند، هرچند پیچیدگی محاسباتی و نیاز به منابع پردازشی بالا چالش‌برانگیز است. برای مقایسه این رویکردها از مجموعه‌داده‌های واقعی مانند Zachary’s Karate Club، فیسبوک و توییتر استفاده شده و معیارهایی چون دقت، مقیاس‌پذیری و سرعت و توانایی شناسایی انجمن‌های هم‌پوشان در نظر گرفته شده‌اند. در نهایت، این مقاله با جمع‌بندی یافته‌ها و ارائه دیدگاهی جامع از وضعیت فعلی و روندهای نوظهور، به شناسایی شکاف‌های پژوهشی کمک کرده و می‌تواند مرجعی ارزشمند برای پژوهشگران و توسعه‌دهندگان الگوریتم‌های نوین باشد.