SOSYAL AĞLARDA TOPLULUKLARI KEŞFETMEK İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA KULLANIMI

Abstract

Sosyal ağ analizi (SAA) 2000?li yıllardan itibaren gittikçe önem kazanan bir konudur. SAA sosyal bilimler, bilgisayar bilimleri, biyoloji vb. birçok bilim dalının ilgi alanına girmektedir. SAA canlı ya da cansız varlıklar arasında bulunan ilişkileri bilgi ağı şeklinde ele alıp karmaşık ağların daha iyi anlaşılması ile ilgilenir. Ağdaki aktörler arası bağlantı tahmini, kullanıcıların davranışlarından örüntü çıkarımı, topluluk keşfi SAA alanındaki çalışma konularından bazılarıdır. Bu çalışmada sosyal ağlarda topluluk keşfi için çok amaçlı bir genetik algoritma öneriliyor. Çok amaçlı optimizasyon yaklaşımı birden çok kriteri olan problemlerin çözümünde iyi sonuçlar vermektedir. Sosyal ağlarda topluluk keşfi problemi de çok amaçlı optimizasyon problemi olarak ele alınabilir. Literatürde olan uygunluk fonksiyonları önerilen etkili bir seçim yöntemi ile kullanılarak sosyal ağlardaki topluluklar keşfediliyor. Benzer çalışmaların çoğu, başlangıç popülasyonun oluşturulmasında ve yeni bireyler elde etme için kullanılan mutasyon adımında klasik yöntemleri kullanmışlardır. Çalışmamızda topluluk keşfi probleminin yapısına uygun bir yöntemle bu işlemler yapılıyor. Önerilen yöntem gerçek ve yapay ağlar üzerinde test ediliyor, elde edilen sonuçlar benzer çalışmalarla karşılaştırılıp daha iyi sonuçlar elde edildiği gözlemleniyor. Anahtar Kelimeler: Karmaşık ağlar, topluluk keşfi, çok amaçlı evrimsel algoritma.Social network analysis (SNA) is a topic of interest gaining more attention since 2000 years. SNA is in the scope of many different branches of science such as social science, computer science, and biology etc. SAA takes an interest in better understanding complex network by handling relations among animate and inanimate entities as information network. Link prediction among actors in the network, pattern discovery on users? behaviors and community discovery are some study topics in SAA. In this study a multi-objective genetic algorithm is proposed for community discovery in social networks. Multi-objective optimization approaches give better results on problems having multiple criteria. The problem of community discovery in social networks can be considered as a multi-objective optimization problem. Communities are discovered in social networks by using fitness functions in the literature with proposed effective selection approach. Many of the similar studies use classic methods when creating initial population and mutation step which is used for creating new individuals. In our study these processes are made with respect to method which is suitable community discovery problem structure. The proposed method is tested on synthetic and real networks, it is observed that better results are obtained by compared to a similar study. Keywords: Complex networks, community discovery, multi-objective evolutionary algorithm.