مقاله تشخیص زیر گروه های منسجم بزرگ با ضریب خوشه بندی بالا در شبکه های اجتماعیDetecting large cohesive subgroups with high clustering coefficients in social networks

چکیده فارسی :

آزاد سازي گروهی در مدل های کلاسیک زیر گروههای منسجم در تجزیه و تحلیل شبکه های اجتماعی استفاده می شود. ضریب خوشه بندی اخیرا به عنوان یکی از ویژگی های ساختاری مشخصه شبکه جهان کوچک معرفی شد. با توجه به اینکه زیر گروه های منسجم تمایل دارند که ضرایب خوشه بندی بالایی داشته باشند، این مقاله یک آرام سازی گروهی جدید، ˛ خوشه α، تعریف شده توسط اعمال کران پایین ˛  را در ضریب خوشه بندی در زیرگراف القایی مربوطه معرفی می کند. دو گونه ضریب خوشه بندی ، یعنی، ضریب خوشه بندی محلی و جهانی، در نظر گرفته شده است. خصوصیات ساختاری خاص ˛ خوشه α تجزیه و تحلیل شده و مدل های بهینه سازی ریاضی برای تعیین ˛ خوشهα  با بزرگترین اندازه در یک شبکه با استفاده از شبکه های اجتماعی در زندگی واقعی توسعه یافته و تایید شده اند. علاوه بر این، یک الگوریتم خوشه بندی شبکه بر اساس خوشه α محلی پیشنهاد و با موفقیت آزمایش شده است.

چکیده انگلیسی:

Clique relaxations are used in classical models of cohesive subgroups in social network analysis. Clustering coefficient was introduced more recently as a structural feature characterizing small-world networks.Noting that cohesive subgroups tend to have high clustering coefficients, this paper introduces a new clique relaxation, ˛-cluster, defined by enforcing a lower bound ˛ on the clustering coefficient in the cor-responding induced subgraph. Two variations of the clustering coefficient are considered, namely, the local and global clustering coefficient. Certain structural properties of ˛-clusters are analyzed and mathematical optimization models for determining ˛-clusters of the largest size in a network are developed and validated using several real-life social networks. In addition, a network clustering algorithm based on local ˛-clusters is proposed and successfully tested.