Asymmetric intimacy and algorithm for detecting communities in bipartite networks

در این مقاله، یک الگوریتم برای انتخاب یک پارتیشن خوب در شبکه های دو طرفه پیشنهاد شده است. شبکه های دو طرفه دارای اهمیت تئوری و چشم انداز وسیع تر کاربرد هستند. با توجه به ساختار متمایز شبکه های دو طرفه، در روش ما دو پارامتر تعریف می شود تا رابطه بین گره های مشابه و گره های ناهمگن نشان داده شود. علاوه بر این، الگوریتم ما روش جدیدی را برای یافتن و گسترش جوامع اصلی در شبکه های دو طرفه استخدام می کند. دو نوع گره به صورت جداگانه و ادغام می شوند و سپس زیرمجموعه ها به دست می آیند. پس از آن، جوامع هدف با توجه به قانون ادغام می شوند. الگوریتم پیشنهادی در شبکه های واقعی و شبکه های مصنوعی شبیه سازی شده است و نتیجه صحت و اعتبار پارامترهای صمیمیت الگوریتم ما را تایید می کند. در نهایت، مقایسه با الگوریتم های مشابه نشان می دهد که الگوریتم پیشنهادی دارای عملکرد بهتر است.