نمونه گیری از گراف شبکه های اجتماعی براساس ویژگی های توپولوژیکی و الگوریتم کلونی زنبور عسل

با توجه به رشد سریع شبکه های اجتماعی در چند سال اخیر، مساله نمونه گیری از گراف های بسیار بزرگ شبکه های اجتماعی با هدف تجزیه و تحلیل سریع شبکه بر اساس نمونه های کوچک، اهمیت خاصی پیدا کرده است. مطالعات زیادی در این راستا انجام شده است، ولی آنها تا حد زیادی با مشکل انتخاب تصادفی، عدم حفظ ویژگی های شبکه های پیچیده در گراف حاصل و یا صرف هزینه زمانی بالا برای استخراج گراف نمونه مواجه هستند. در این مقاله یک روش نمونه گیری جدید را برای نخستین بار با ارایه یک رابطه جدید مبتنی بر ویژگی های ساختاری برای مشخص کردن اهمیت گره ها و استفاده از الگوریتم کلونی زنبور عسل پیشنهاد می کنیم. این روش نمونه گیری با ارایه یک رویکرد آگاهانه غیرتصادفی در نمونه گیری سعی دارد تا نمونه حاصله از لحاظ ویژگی هایی مانند توپولوژی شبکه، توزیع درجه، تراکم داخلی، درجه ورودی و خروجی و غیره شباهت زیادی با شبکه اصلی داشته باشد. نتایج حاصل، برتری روش پیشنهادی را از لحاظ حفظ ویژگی های توزیع درجه، ضریب خوشه بندی و غیره در نمونه گراف به دست آمده نشان می دهد.