مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 22 4 2025 6 3 A Parallel and Efficient Algorithm for Detecting Overlapping Communities in Social Networks ارائه الگوریتم موازی و کارا به‌منظور شناسایی انجمن‌های همپوشان در شبکه‌های اجتماعی 245 258 fa مصطفی سبزه کار دانشگاه صنعتی بیرجند شیما برادران نژاد دانشگاه آزاد اسلامی و احد بیرجند مهدی خزاعی پور دانشگاه آزاد اسلامی واحد بیرجند مهدی خرد دانشگاه قم 2023 8 10 <p style="direction: ltr;">Social networks are not only tools for communication but also represent one of the key potentials in business and commerce. One of the most significant issues in this field is clustering nodes and extracting effective and useful patterns from them, known as community detection. A major challenge in community detection within social networks is the vast number of nodes, which makes any kind of analysis difficult. Another challenge is the overlap of cluster members, referred to as overlapping communities. In such networks, each node may belong to multiple groups. Considering overlaps between communities&mdash;especially in large-scale networks&mdash;poses significant challenges in accurately detecting and identifying communities. Therefore, many studies tend to overlook this issue. In this paper, an approach is proposed to address these challenges. The most time-consuming step in the proposed algorithm, identifying influential nodes, is performed in parallel. Moreover, overlaps between communities are taken into account and analyzed. The results of evaluating the proposed method, in comparison with other existing methods, indicate its superiority in terms of the uniformity of the detected communities.</p> <p>شبکه&zwnj;های اجتماعی نه&zwnj;تنها به عنوان ابزاری برای ارتباطات، بلکه یکی از پتانسیل&zwnj;های مهم در کسب&zwnj;وکار و تجارت می&zwnj;باشند. یکی از مهم&zwnj;ترین مسائل تعریف&zwnj;شده در این حوزه، خوشه&zwnj;بندی گره&zwnj;ها و استخراج الگوهای مؤثر و مفید از آنهاست که به کشف انجمن معروف است. از چالش&zwnj;های مهم شناسایی انجمن در شبکه&zwnj;های اجتماعی می&zwnj;توان به حجم بسیار زیاد گره&zwnj;ها اشاره نمود که هر گونه تحلیلی بر روی آن را با مشکل مواجه می&zwnj;سازد. از دیگر چالش&zwnj;های پیش رو، اشتراک برخی از اعضای خوشه&zwnj;ها با یکدیگر می&zwnj;باشد که از آن به&zwnj;عنوان همپوشانی انجمن&zwnj;ها نام برده می&zwnj;شود. در چنین شبکه&zwnj;هایی هر گره می&zwnj;تواند به چند گروه تعلق پیدا کند. در نظر گرفتن همپوشانی بین انجمن&zwnj;ها به خصوص در شبکه&zwnj;های بزرگ، تشخیص و شناسایی انجمن را با مشکلات زیادی روبه&zwnj;رو می&zwnj;نمایند؛ از این رو در بیشتر پژوهش&zwnj;ها این مسئله نادیده گرفته می&zwnj;شود. در این مقاله، رویکردی به منظور رفع این مشکلات ارائه می&zwnj;شود. مرحله یافتن گره&zwnj;های تأثیرگذار شبکه که زمان&zwnj;برترین مرحله در الگوریتم پیشنهادی است، به&zwnj;صورت موازی انجام می&zwnj;شود و همچنین همپوشانی بین انجمن&zwnj;ها در نظر گرفته شده و تحلیل می&zwnj;گردد. نتایج حاصل از ارزیابی روش پیشنهادی در قیاس با روش&zwnj;های مورد مقایسه، حاکی از برتری آن در یکنواختی انجمن&zwnj;های کشف شده است.</p> http://ijece.org/fa/Article/Download/43556