Аналіз методів Лувена та к- середніх при вирішенні задач кластеризациї для визначення спільнот на множині елементів

Abstract

Виявлення спільноти на графах складних реальних мережевих систем є значною областю досліджень науки про дані. Спільнота або кластер - це спільнота, яка має багато ребер, що з'єднують вершини, включені до кластера, тоді як менше ребер, що з'єднуються з вершинами, не включеними. Критерії включення в спільноту засновані на даних вершин і ребер. Дані системи допомагають формувати спільноти системи. Ці спільноти допомагають аналітикам даних отримати високий рівень зору на виборців системи. Така точка зору має вирішальне значення для виконання поведінкового аналізу, прийняття управлінських рішень, стратегії маркетингових планів, рекомендацій тощо. Багато алгоритмів виявлення спільноти були запропоновані в дослідницькому товаристві. З них алгоритм Лувена та алгоритм К-середніх є двома популярними варіантами алгоритмів. Ця робота виконує порівняльний аналіз двох алгоритмів виявлення спільноти, використовуючи різні реальні набори даних різної складності та оцінюючи їх ефективність проти них. Порівняння висвітлять сильні сторони та обмеження кожного алгоритму та запропонують ідеальні сценарії для їх застосування. Об’єкт дослідження. Об’єктом дослідження є процес вирішення задачі кластеризації для визначення спільнот на множині елементів Предмет дослідження. Предметом дослідження є аналіз ефективності методів Лувена та k- середніх для визначення спільнот на множинах елементів різного розміру