کشف جوامع در شبکه های اجتماعی با استفاده از کاوش الگوی تکرار شونده

امروزه شبکه های اجتماعی اینترنتی به یک منبع غنی از داده های ناهمگون مبدل شده است. تجزیه و تحلیل این داده ها می تواند در تفسیر رفتار اجتماعی افراد درون شبکه و کشف اطلاعات ناشناخته بین کاربران مورد استفاده قرار گیرد. ”کشف جامعه“ به عنوان یکی از چالش های مهم در زمینه تجزیه و تحلیل شبکه های اجتماعی، به طور گسترده ای مورد مطالعه قرار گرفته است. بعضاً محققان، مشکل تشخیص جامعه را همان مشکل تشخیص خوشه بندی و تلاش برای تعیین مناطق متراکم می دانند که با استفاده از تجزیه و تحلیل مبتنی بر پیوند انجام می شود. شبکه های اجتماعی اینترنتی، علاوه بر ساختار گرافی، حاوی اطلاعات مفیدی از کاربران درون شبکه می باشند، که استفاده از این اطلاعات می تواند منجر به بهبود کیفت کشف جوامع گردد؛ برخی از این نمونه شبکه ها عبارتند از فیس بوک، مای اسپیس، فلیکر، یوتیوب و دلیشز. این شبکه ها به دلیل اینکه محدودیت های جغرافیایی برای ارتباطات بین کاربران را از بین برده اند، به سرعت محبوب شده و رشد نموده اند. در این پژوهش یک روش به منظور کشف جامعه ارائه می شود که علاوه بر اطلاعات ارتباطی بین گره ها از اطلاعات محتوایی به منظور ارتقا کیفیت کشف جوامع استفاده می گردد. این روش یک رویکرد جدید مبتنی بر الگوی تکرار شونده و بر اساس عملیات کاربران در شبکه است و به طور خاص، روی شبکه های اجتماعی اینترنتی که در آن کاربران عملیات مورد علاقه خود را انتخاب می کنند، اجرا می شود. در روش پیشنهادی ابتدا کاربرانی که عملیات مشابه در شبکه دارند، به عنوان یک گروه کوچک همگن استخراج می شوند؛ سپس با فرض اینکه هر گره در شبکه به گروهی می پیوندد که حداکثر تعداد همسایگانش به آن گروه متعلق باشد، گروه ها گسترش پیدا کرده و جوامع را تشکیل می دهند. نتایج ارزیابی ها روی دو مجموعه داده در دنیای واقعی نشان می دهد که روش پیشنهادی منجر به بهبود کیفیت جوامع خواهد شد.