A link clustering based memetic algorithm for overlapping community detection

تشخیص جامعه اخیرا در زمینه شبکه های پیچیده توجه فراوانی به خود جلب کرده است، زیرا جوامع اغلب در سیستم های شبکه ای نقش مهمی ایفا می کنند. جوامع همپوشانی یکی از ویژگی های شبکه های اجتماعی هستند که پدیده ای را بیان می کنند که یک گره ممکن است متعلق به بیش از یک گروه اجتماعی باشد. بنابراین لازم است ساختارهای اجتماعی همپوشانی را برای تجزیه و تحلیل شبکه های واقعی شبیه سازی کنیم. در این مقاله، ما یک الگوریتم مکتوب مبتنی بر خوشه بندی لینک برای تشخیص جوامع همپوشانی پیشنهاد می کنیم. از آنجا که پیوندها معمولا روابط منحصر به فرد بین گره ها را نشان می دهند، خوشه بندی پیوند می تواند گروه های پیوندی با ویژگی های مشابه پیدا کند. در نتیجه، گره ها به طور طبیعی به جوامع مختلف تقسیم می شوند. الگوریتم پیشنهادی یک تابع چگالی مدولار را قادر می سازد که بتواند گروه های متصل به همدان از پیوند ها بر روی خط خطی وزن مدل سازی شبکه را شناسایی کند و سپس جوامع پیوند را به جوامع گره بر اساس یک نمایندگی ژنتیکی جدید نشان می دهد. در روش ما، تعداد جوامع را می توان به صورت خودکار تعیین کرد. نتایج تجربی در شبکه های عمومی و ضعیف نشان می دهد که روش ما می تواند با موفقیت ساختارهای جامعه همپوشانی و تقریبا تمام گره های همپوشانی را شناسایی کند.