چکیده
در سالهای گذشته، شبکه‌های تعاملی با توجه به یال های ارتباطی که میان گره ها وجود دارد مورد توجه زیادی قرار گرفته است. تشخیص جامعه یکی از چالش‌های اصلی برای تجزیه و تحلیل این گونه شبکه‌ها است. جامعه زیرگرافی از یک گراف است که تعداد ارتباط های بین اعضاء آن زیرگراف، نسبت به تعداد ارتباط هایی که آن را به بقیه گراف متصل می¬کند، بیشتر است. هدف اکثر الگوریتم¬های تشخیص جامعه در یک شبکه، تقسیم¬بندی شبکه به چند گروه است که هر گره شبکه باید به یک جامعه (گروه) متعلق بوده و به دیگر جوامع تعلق نداشته باشد. جامعه‌بندی گره‌های یک شبکه بر اساس شباهت‌های موجود در گره‌ها انجام می‌شود. کلید اصلی جامعه‌بندی صحیح، استفاده از معیار شباهت مناسب برای تفکیک گره‌ها است. در این پایان‌نامه از یک معیار شباهت ترکیبی برای جامعه‌بندی گره‌های شبکه استفاده شده است. این معیار بر اساس ترکیب وزن دار معیار شباهت‌های ساختاری، کسینوسی و همینگ ایجاد شده است. در این پایان‌نامه از این معیار شباهت برای بهبود روش IsoFdp استفاده شده است. نتایج مقایسه ها نشان‌دهنده عملکرد بهتر روش پیشنهادی است.
