ارائه روشی سلسله مراتبی جهت خوشه بندی ساختاری-محتوایی گراف

موجودیت ها در شبکه های اجتماعی علاوه بر داشتن ارتباط با یکدیگر، دارای محتوا نیز هستند. این مدل از شبکه ها می توانند بر روی گراف هایی که گره های آن شامل متن هستند، مدل شوند. خوشه بندی گراف ازجمله مهم ترین کارهای تحلیلی شبکه اجتماعی است. باوجوداین دو جنبه، اغلب روش های خوشه بندی تنها یکی از جنبه های ساختاری یا محتوایی گراف را در نظر می گیرند. الگوریتم های خوشه بندی ساختاری-محتوایی، گراف را از هر دو جنبه ساختار و محتوا به صورت هم زمان در نظر می گیرند. هدف این مقاله رسیدن به خوشه هایی با ساختار درونی منسجم (ساختاری) و مقادیر ویژگی (محتوایی) همگن در گراف است. الگوریتم ارائه شده در این مقاله RLS-Cluster نام داشته که به صورت سلسله مراتبی با حذف یال با کمترین میانگین شباهت میان گره های محله آن یال، عمل خوشه بندی را انجام می دهد. در این روش برای هر یال میانگین شباهت محله محاسبه شده و به عنوان وزن آن یال در نظر گرفته می شود. یال هایی که دارای کم ترین وزن هستند حذف می شوند. این مرحله تا زمانی که به تعداد خوشه موردنظر کاربر برسد، ادامه میابد. مقایسه الگوریتم مطرح شده با سه الگوریتم خوشه بندی ساختاری-محتوایی ارائه شده تاکنون، بر اساس معیارهای مختلف سنجش کیفیت خوشه، بیانگر عملکرد مناسب روش ارائه شده است. این معیارها شامل معیارهای ساختاری، محتوایی و ساختاری-محتوایی هستند.