اجتماع یابی

  شناسایی ساختارهای موجود در شبکه های اجتماعی، فرآیندی حائز اهمیت در تحلیل این شبکه ها است. یکی از مسائلی که در سال های اخیر در زمینه شناسایی ساختارهای شبکه های اجتماعی مطرح شده است، مسئله اجتماع یابی است. با توجه به اهمیت این موضوع، تاکنون روش های حل متنوع و گوناگونی برای اجتماع یابی پیشنهاد شده است. در پژوهش حاضر، یک الگوریتمی ترکیبی از روش های بهینه سازی علف های هرز و ژنتیک پیشنهاد شده است که هدف آن یافتن جواب های مناسب و باکیفیت برای مسئله اجتماع یابی است. در این روش ترکیبی، جواب های اولیه توسط روش بهینه سازی علف های هرز تولید می شوند و در ادامه جواب های یافته شده به وسیله الگوریتم ژنتیک در فرآیند بهینه سازی، بهبود می یابند. ارزیابی برازندگی جواب ها، مبتنی بر معیار چگالی پودمانگی است. چگالی پودمانگی، معیاری با ماهیت بیشینه سازی است که میزان کیفیت اجتماعات کشف شده را به دست می دهدمشخص می کند. به منظور بررسی کیفیت جواب های الگوریتم پیشنهادی، نتایج این روش نسبت به چهار الگوریتم علف های هرز، ژنتیک، الگوریتم کرم شب تاب و یک الگوریتم جستجوی کاملاً تصادفی مقایسه شده اند. پارامترهای این الگوریتم ها به کمک یک رویکرد طراحی آزمایش ها تنظیم شده اند. این مقایسات بر روی شبکه های محک گوناگون و با ابعاد متفاوت انجام شده اند. با توجه به نتایج به دست آمده، می توان دریافت که الگوریتم پیشنهادی قادر به تولید جواب هایی باکیفیت بالا است. اعتبارسنجی نتایج الگوریتم ها نیز توسط شاخص اطلاعات متقابل نرمال انجام شده است.  

یکی از مسائل مهم در زمینه شبکه های اجتماعی، مسئله اجتماع یابی است. هدف اجتماع یابی، افرازبندی شبکه به بخش هایی است که ارتباط میان اعضای شبکه در این نواحی متراکم است. به دلیل ارتباط پررنگ اعضای شبکه در این بخش ها، می توان این اعضا را متعلق به یک اجتماع دانست. تحقیقات بسیاری به توسعه الگوریتم های متعدد در حل این مسائل پرداخته اند. در این پژوهش نیز یک الگوریتم ژنتیک مبتنی بر روش تصمیم گیری چندمعیاره تاپسیس ارائه شده است. در الگوریتم پیشنهادی، عملگرهای تقاطع و جهش بر جواب هایی اعمال می شوند که روش تاپسیس به دست می دهد. برازندگی جواب ها بر اساس شاخص های پودمانگی و چگالی پودمانگی مشخص می شود. در ادامه این مقاله، کارایی الگوریتم پیشنهادی نسبت به الگوریتم ژنتیک کلاسیک و یک الگوریتم حریصانه از طریق انجام آزمایش های عددی سنجیده شد که نتایج نشان از برتری الگوریتم پیشنهادی داشت.

در این تحقیق که با داده کاوی بر روی کلان داده های اینستاگرام انجام شده است، با استفاده از روش اجتماع یابی بر روی شبکه روابط مابین 11 هزار و 515 صفحه پُرمخاطب محلی در استان تهران در سال 1403، تأثیرگذارترین شبکه ها و میدان های محلی در استان تهران شناسایی و پیکربندی شده اند. نتایج این تحقیق نشان داد که در سال های اخیر به واسطه فراگیرترشدن استفاده از اینترنت در زندگی روزمره شهروندان، زنان طبقه فرودست توانسته اند با تشکیل تدریجی شبکه های محلی آنلاین، به طور گسترده ای مشاغل خُرد و غیررسمی برای خود ایجاد کرده و همچنین به طور ناخواسته به نیروی اجتماعی جدیدی در تغییرات اجتماعی و سیاسی تبدیل شوند. قطب های مسلط در میدان های محلی شناسایی شده به ترتیبِ وسعت شبکه عبارت اند از: زنان دارای مشاغل آنلاین، سلبریتی ها، محافظه کاران، مرکزنشین ها، لات ها، ترک زبان ها و کفتربازها. در بین این هفت میدان محلی آنلاین، بیش ترین مرجعیت صفحه های پُرمخاطب ملی، به ترتیب در میدان سلبریتی ها، زنان شاغل و محافظه کاران دیده می شود و ازاین جهت این سه میدان محلی آنلاین، قابلیت تأثیرگذاری مستقیم تری بر نگرش ها و رفتارهای سیاسی شهروندان دارند. میدان های محلی زنانِ دارای مشاغل آنلاین به طور معناداری در مناطقی از استان تهران قدرت بیش تری دارند که مهاجرپذیرترند، در سال های اخیر در آن ها شهرک سازی انجام شده و نهادهای سنتی، مذهبی و حکومتیِ ضعیف تری دارند. بر اساس یافته های این تحقیق، الگوی متأخر پیش روی های آرام در استان تهران، به لحاظ بستر شکل گیری، موقعیت جغرافیایی، نیروی اجتماعی محوری و نوع مطالباتش، تفاوت های اساسی ای با پیش روی های آرام در دوران پیشااینترنتی پیدا کرده است.