استفاده از درخت اشتاینر حل شده با الگوریتم های تقریبی برای تحلیل شبکه های اجتماعی

نویسندگان :

هدف: امروزه با گسترش وب و رسوخ آن در زندگی مردم دنیا، ارتباطات افراد بیشتر بر بستر وب و در قالب شبکه‌های اجتماعی صورت می‌گیرد. آمارها نشان می‌دهد بیش از یک میلیارد و پانصد میلیون نفر در تنها دو شبکه اجتماعی معروف فیسبوک و توییتر عضویت دارند. تحلیل شبکه‌های اجتماعی به معنی شناسایی اعضاء، روابط بین اعضاء و استخراج دانش معنی دار از آن‌ها می باشد. به طور طبیعی استخراج دانش از این جمعیت عظیم کاربردهای فراوانی در زمینه مطالعات اجتماعی، بازاریابی هوشمند، مطالعات سازمانی، سرشماری، برنامه‌ریزی‌های کلان جمعیتی و پیدا کردن گروهک‌ها و فرقه‌های خاص در مسائل امنیتی را دارا است. ذخیره، بازیابی و پردازش این مجموعه عظیم و پیدا کردن روابط معنی‌دار از آن به صورت بهینه، مسأله اساسی تحلیل شبکه‌های اجتماعی و هدف این پژوهش بوده است. روش: برای این منظور در مرحله اول پس از بررسی الگوریتم های درخت اشتاینر و جنگل اشتاینر، به عنوان یکی از ابزارهای مورد استفاده جهت تحلیل شبکه‌های اجتماعی یک الگوریتم نوین برای حل مسأله درخت و جنگل اشتاینر ارائه شده است که مشکلات روش-های پیشین را پوشش می‌دهد. در مرحله دوم یک مدل‌سازی جدید n بُعدی برای شبکه‌های اجتماعی ارائه شده است که نسبت به مدل‌سازی‌های موجود دید بسیار جامع‌تری از شبکه‌های اجتماعی را در اختیار تحلیل‌گر قرار خواهد داده و در مرحله آخر سه تحلیل: فاصله، پل و قطعه‌بندی توسط الگوریتم درخت اشتاینر و جنگل اشتاینر بر روی مدل‌سازی n بُعدی انجام شده است. نتایج: نتایج حاصل از روش پیشنهادی با روش‌های پیشین تحلیل شبکه های اجتماعی مقایسه گردید که نشان دهنده کارا بودن روش پیشنهادی هم به لحاظ ریاضی هم به لحاظ شهودی و آماری می باشد. نتیجه گیری: با توجه به نتایج حاصل می توان نتیجه گیری نمود که استفاده از درخت اشتاینر حل شده با الگوریتم های تقریبی می تواند تحلیل شبکه های اجتماعی را سریعتر و کاراتر انجام دهد.