دانلود ترجمه مقاله الگوریتم مرحله به مرحله تشخیص جامعه براساس انتشار برچسب و شباهت

1. مقدمه 2. الگوریتم 3. آزمایشات و نتایج 4. نتیجه گیری

چکیده – ساختار جامعه یا ماژول، یکی از متداول ترین ویژگی ها در شبکه های پیچیده است. الگوریتم انتشار برچسب (LPA) الگوریتم زمانی تقریبا خطی است که ساختار جامعه را به طور موثر شناسایی می کند. با این وجود، LPA در هنگام برچسب گذاری گره، برچسبی را انتخاب می کند که به اکثریت همسایه ها تعلق دارد، یعنی همه همسایه ها را علیرغم تفاوت در تاثیرشان بر گره برابر می گیرد. عیب دیگر LPA این است که، نتایج منحصر به فرد نیستند. در این مقاله LPA تعدیل شده ارائه می شود که LPA-S مرحله به مرحله نامیده می شود، و در آن، برچسب ها براساس شباهت منتشر می شوند. بعلاوه، الگوریتم ما شبکه ها را با استفاده از چارچوب مرحله به مرحله تقسیم می کند، و تابع ارزیابی را بکار می گیرد که در این مقاله برای انتخاب تقسیم منحصر به فرد نهایی پیشنهاد شده است. ما این الگوریتم را در چند شبکه مصنوعی و واقعی آزمایش کردیم. نتایج نشان می دهد که LPA-S مرحله به مرحله می تواند ساختار دقیق و معنی دار جامعه را بدون اطلاعات قبلی بدست آورد.

Community or module structure is one of the most common features in complex networks. The label propagation algorithm (LPA) is a near linear time algorithm that is able to detect community structure effectively. Nevertheless, when labeling a node, the LPA adopts the label belonging to the majority of its neighbors, which means that it treats all neighbors equally in spite of their different effects on the node. Another disadvantage of LPA is that the results it generates are not unique. In this paper, we propose a modified LPA called Stepping LPA-S, in which labels are propagated by similarity. Furthermore, our algorithm divides networks using a stepping framework, and uses an evaluation function proposed in this paper to select the final unique partition. We tested this algorithm on several artificial and real-world networks. The results show that Stepping LPA-S can obtain accurate and meaningful community structure without priori information.