مشخصات پژوهش

عنوان	تأثیر خواص شبکه بر کارایی الگوریتم های کشف اجتماع
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	کشف اجتماع، جهان کوچک، مقیاس آزاد، پیمانه، خوشه بندی
چکیده	کشف اجتماع (Community Detection) به طور گسترده در چند دهه گذشته، عمدتا به دلیل اینکه اجتماع در شبکه های مختلف از جمله شبکه های فناوری، اجتماعی، اطلاعاتی و زیستی، نقش مهمی دارد، اهمیت پیدا کرده است. در نظریه ی شبکه، یک شبکه ی پیچیده، یک گراف با خصوصیات توپولوژیکی خاص است که در شبکه های ساده مانند شبکه های تصادفی و منظم رخ نمی دهد ولی اغلب در شبکه های دنیای واقعی رخ می دهد. ساختار شبکه می تواند بر کارایی روش های کشف اجتماع، تأثیرگذار باشد. بنابراین روش های کشف اجتماع، بسته به نوع شبکه ممکن است نتایج کارآمد یا ناکارآمدی داشته باشند؛ مثلا برخی روش های برای شبکه های جهان کوچک مثل شبکه های اجتماعی کارایی خوبی دارند و در عین حال برای شبکه های مقیاس آزاد، مانند شبکه های زیستی از نوع تعامل پروتئین-پروتئین نمی توانند به درستی اجتماعات را کشف کنند. در این مقاله ابتدا به بررسی جامع روش های کشف اجتماع پرداخته شده است. سپس پایگاه داده های شبکه های مورد آزمایش هر کدام از روش ها، از طریق اینترنت یا مکاتبه با نویسندگان مقالات، تهیه شده است. آنگاه با تعریف معیارهای کمی، بر اساس ویژگی های مقیاس آزاد یا جهان کوچک بودن، پایگاه داده های جمع آوری شده دسته بندی شده اند و در نهایت، روش های کشف اجتماع نیز براساس کارایی در شبکه های جهان کوچک یا مقیاس آزاد، دسته بندی شده اند. این پژوهش می تواند مقدمه ای بر پیشنهاد روشی جامع برای کشف اجتماع در تمام شبکه ها باشد.
پژوهشگران	محبوبه شمسی (نفر سوم)، صادق سلیمانی (نفر دوم)، مرضیه کریمیان خوزانی (نفر اول)