Multi-objective community detection method by integrating users' behavior attributes

شبکه های اجتماعی معمولا ویژگی های فراوانی را در اختیار کاربران قرار می دهند تا ویژگی های خود را توصیف کنند. ویژگی رفتار یکی از مهمترین انواع ویژگی است که میتواند منافع ذاتی کاربران را منعکس کند. در عمل، بسیاری از برنامه های شبکه، جوامعی را ترجیح می دهند که نه تنها به طور گسترده در داخل ارتباط دارند، بلکه دارای ویژگی ویژگی همگن در خصوص ویژگی های رفتار خاص هستند. خوشه بندی ساختاری و طبقه بندی ویژگی ها دو نوع روش است که می تواند به طور کامل از اطلاعات ساختاری و ویژگی اطلاعات به منظور پارتیشن شبکه، به ترتیب. در این مقاله، ما یک روش جدید تشخیص جامعه با استفاده از تکنولوژی خوشه بندی ساختار و به طور همزمان تکنولوژی طبقه بندی را پیشنهاد می دهیم. به طور خاص، خوشه بندی ساختار با بهینه سازی مدولاسیون که طبیعت درون متصل به جوامع را جذب می کند، متوجه می شود. همانطور که برای طبقه بندی ویژگی، یک متریک جدید به نام همگنی تعریف شده است برای رسیدن به هدف که گره ها در هر جامعه دارای ارزش ویژگی همگن هستند، در حالی که در جوامع مختلف دارای ارزش ویژگی های متنوع است. به منظور بهینه سازی مدولاسیون و همگن بودن به طور همزمان، یک مکانیسم تکاملی بهینه سازی چند منظوره اتخاذ می شود. آزمایش های گسترده در چندین شبکه دنیای واقعی نشان می دهد که روش ما می تواند مجموعه ای از ساختارهای جامعه مطابق با ترکیبات مختلف بین خوشه بندی ساختار و دسته بندی ویژگی ها را دریافت کند.