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

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

بررسی و مقایسه روش‌های تشخیص جوامع در شبکه‌های اجتماعی با هم‌افزایی الگوریتم‌های تکاملی و یادگیری ماشین

نویسندگان :

زهرا انیسی نسب¹ محمد مصلح²

1- موسسه آموزش عالی کارون 2- دانشگاه آزاد اسلامی واحد اهواز

کلمات کلیدی :

تشخیص جوامع،شبکه‌های اجتماعی،الگوریتم‌های تکاملی،یادگیری ماشین،تحلیل شبکه،بهینه‌سازی ترکیبی

چکیده :

تشخیص جوامع در شبکه‌های اجتماعی یکی از مسائل اساسی در تحلیل داده‌های شبکه‌ای است که به‌طور گسترده در زمینه‌های مختلفی همچون تحلیل رفتار کاربران، توصیه‌گرها، امنیت شبکه و بازاریابی هدفمند کاربرد دارد. با توجه به پیچیدگی ساختار شبکه‌های اجتماعی و ماهیت پویا و ناهمگن آن‌ها، روش‌های کلاسیک مبتنی بر گراف و خوشه‌بندی در بسیاری از موارد با محدودیت‌هایی در دقت و مقیاس‌پذیری مواجه شده‌اند. در این مقاله، ابتدا به معرفی مفاهیم پایه و اهمیت تشخیص جوامع در شبکه‌های اجتماعی پرداخته شده و سپس روش‌های کلاسیک تشخیص جوامع شامل الگوریتم‌های مبتنی بر ماژولاریتی، خوشه‌بندی، و روش‌های تفکیک ساختار شبکه مرور شده است. در ادامه، نقش الگوریتم‌های تکاملی نظیر الگوریتم ژنتیک، PSO و الگوریتم تفاضلی در بهینه‌سازی فرآیند تشخیص جوامع بررسی شده و قابلیت‌های یادگیری ماشین در بهبود دقت و کارایی این فرآیند تحلیل شده است. تمرکز اصلی مقاله بر بررسی هم‌افزایی بین الگوریتم‌های تکاملی و تکنیک‌های یادگیری ماشین جهت ارائه رویکردهای ترکیبی برای تشخیص دقیق‌تر و مؤثرتر جوامع است. در پایان، با تحلیل مقایسه‌ای روش‌ها از منظر دقت، پیچیدگی محاسباتی، مقیاس‌پذیری و قابلیت کاربرد در شبکه‌های واقعی، مزایا و محدودیت‌های هر رویکرد مورد بحث قرار گرفته و پیشنهاداتی برای تحقیقات آینده ارائه شده است.