شناسایی جوامع کارا در شبکه ‎های اجتماعی با استخراج فازی پیوندهای معنایی

استخراج جوامع، از موضوعات چالش برانگیز و مهم در حوزه تحلیل شبکه‎ های اجتماعی است. مکانیسم تشخیص جوامعی که به طور همزمان نیازهای توپولوژیکی و معنایی را برآورده سازد، اهمیت بیشتری پیدا کرده ‎است. اکثر مطالعات موجود بر روی ساختار شبکه، بدون توجه به ویژگی‎های معنایی، تمرکز دارند. حال اینکه، معنا و محتوای اجتماعی حاوی داده‎های ارزشمندی در مورد علایق، نگرانی‎ها و احساسات افراد است. راه‎حل‎های معنایی محض، منجر به از دست رفتن اطلاعات توپولوژیکی ارزشمند شبکه می‎شوند. روش‎های ادغامی موجود، ساختار و معنا را به صورت بنیادی و اساسی ترکیب نمی‎کنند. اغلب این الگوریتم‎ها به علت ماهیت طراحی، به یکی از روش‎های مذکور متمایل بوده و عملکرد محدودی دارند. در این مقاله یک روش مبتنی بر منطق فازی جهت شناسایی جوامع ارایه می‎شود. ابتدا معنا و ساختار در یک شبکه مشترک ترکیب و سپس جوامع استخراج می‎گردند. مجموعه‎ای از آزمایش ‎های شبیه ‎سازی جهت ارزیابی عملکرد روش پیشنهادی در مقایسه با سایر الگوریتم‎های موجود در سه زمینه ساختاری، معنایی و ادغامی با استفاده از مجموعه داده ‎های مصنوعی و طبیعی در اندازه های مختلف گره ها، یال‎ها، ویژگی ها انجام شده ‎است. نتایج حاصل نشان می دهند، روش پیشنهادی در رابطه با انسجام شبکه و ویژگی های گره ها به طور موثری عمل می کند.