Community detection in social networks using parallel clique-finding ants

Abstract

İnternet ağının sürekli artan popülaritesiyle birlikte, insanlar daha çok bilgiyi ağ üzerinden dünyanın geri kalanıyla paylaşmaya ve geliştirmeye başladılar; buna bağlı olarak farklı disiplinlerde sosyal ağların analizi konusu da popüler hale geldi. Günümüzde sosyal ağlar üzerinde bulunan topluluk yapılarının tespiti, bilgisayar bilimleri açısından da önem kazandı. Bu amaçla kullanılan topluluk bulma algoritmaları iyi sonuçlar üretse de, büyük ölçekli sosyal ağlarda işlem karmaşıklığı ve buna bağlı ölçeklendirme konusunda yetersiz kalmaktadır. Bu tezin ana amacı, elde bulunan sosyal ağ çizgesini, çizgenin ana özelliklerini koruyarak daha küçük bir hale indirgemek, dolayısıyla topluluk bulma algoritmalarının verimini çözüm kalitesinden kayıp olmadan arttırmaktır. Bu çalışmada Karınca Kolonisi İyileştirme yöntemi sayesinde yarı bağlı alt çizgeler bulunmakta ve bu alt çizgeler ile ana çizge daha küçük bir hale indirgenmekte, son olarak indirgenmiş çizge üzerinde topluluk bulma algoritmaları koşturulmaktadır. Çeşitli sosyal ağ çizgeleri üzerinde koşulan testlerin sonuçları, uygulanan indirgeme yöntemi sonrasında topluluk bulma algoritmalarının çalışma sürelerinde iyileşme gözlenmiş, buna bağlı olarak indirgenme sonrasında çözüm kalitesinin de korunduğu tespit edilmiştir.

Attractiveness of social network analysis as a research topic in many different disciplines is growing in parallel to the continuous growth of the Internet, which allows people to share and collaborate more. Nowadays, detection of community structures, which may be established on social networks, is a popular topic in Computer Science. High computational costs and non-scalability on large-scale social networks are the biggest drawbacks of popular community detection methods. The main aim of this thesis is to reduce the original network graph to a maintainable size so that computational costs decrease without loss of solution quality, thus increasing scalability on such networks. In this study, we focus on Ant Colony Optimization techniques to find quasi-cliques in the network and assign these quasi-cliques as nodes in a reduced graph to use with community detection algorithms. Experiments are performed on commonly used social networks with the addition of several large-scale networks. Based on the experimental results on various sized social networks, we may say that the execution times of the community detection methods are decreased while the overall quality of the solution is preserved.