منصة الرسائل والاطاريح: اكتشاف المجتمع الاجتماعي باستخدام قياس المركزية وتقنية الترميز التلقائي

الخلاصة

في الآونة الأخيرة ، انتشر استخدام منصات الشبكات الاجتماعية ، مثل الفيسبوك و تويتر و الويشات ، بشكل كبير. يعد اكتشاف المجتمع ، وهو تجميع المستخدمين ذوي الاهتمامات والميول المتشابهة في مجموعات ، جانبًا مهمًا لفهم البنية المعقدة للشبكات الاجتماعية. يتم تمثيل المستخدمين كعقد في الشبكة الاجتماعية. تصف ميزات العقد ، بالإضافة إلى طوبولوجيا الشبكة ، علاقة التشابه بينها. يتمثل التحدي في اكتشاف المجتمع في التعامل مع الشبكات المفتقرة للميزات. تتميز تقنية التشفير التلقائي للرسم البياني بدقة منخفضة في اكتشاف المجتمع. لذلك يكمن التحدي البرمجي في تطوير بنية هذه التقنية لإعطاء نتائج عالية الدقة. استخدمت هذه الأطروحة الطريقة الهجينة ، اكتشاف المجتمع باستخدام إطار عمل التشفير التلقائي للرسم البياني (CDGAE). حيث تم استخدام الطريقة القائمة على قياس المركزية لتعيين الميزات ، للتعامل مع الشبكة الخالية من الميزات. ثم تم استخدام طريقتين لاختيار الميزة ، تحديد ميزة الارتباط و تحديد ميزة عتبة التباين ، لتجنب التكرار والحشو في الميزات. تمت زيادة طبقات GAE لزيادة دقة اكتشاف المجتمع. تمت مساواة الرقم العصبي لطبقة عنق الزجاجة في المشفر التلقائي للرسم البياني (GAE) مع عدد المجتمعات ، حيث تم تحديده بواسطة الطريقة الطيفية لمصفوفة بيثا حسين ، لتحديد عضوية كل عقدة في مجتمعها مباشرةً دون استخدام خوارزمية التجميع. تم تطبيق CDGAE على مجموعة بيانات صفحات الحكومة على الفيسبوك. أظهرت النتائج التجريبية أفضل أداء لـ CDGAE بخمس طبقات لمجموعة بيانات صفحات حكومة الفيسبوك بعد زيادة عقدها بالميزات ، حيث سجل مقياس المعلومات المتبادلة الموحدة (NMI-Score) ومقياس الدقة القيم المئوية 84.86 و 87.42 على التوالي.