چکیده: جذابیتها و قابلیتهای روزافزون فضای مجازی و فراگیر شدن استفاده از وسایل الکترونیکی شخصی، باعث شده تا محیط اینترنت به بستر اصلی بسیاری از تعاملات اشخاص حقیقی و حقوقی تبدیل شود. به عنوان مثالی در این رابطه، می توان به اقبال فراوان به شبکه‌های اجتماعی برخط اشاره نمود. گراف معادل این شبکه‌ها دارای حجم بالایی از داده‌ها ناشی از تعداد زیاد گره‌ها (انسان‌ها) و یال‌ها (دوستی‌ها و ارتباطات میان افراد) می‌باشد، لذا پردازش اطلاعات این شبکه‌های بزرگ و پیچیده، نیازمند استفاده از روش‌های کارآمد است. انجمنیابی بعنوان یک کاربرد مهم تحلیل شبکه‌های اجتماعی، به استخراج و دسته‌بندی اطلاعات یک شبکه از طریق تشخیص مولفه‌های تشکیل دهنده‌اش می‌پردازد. کاربردهای انجمن‌یابی در علوم مختلف باعث شده است تا روش‌های متعددی با اهداف و رویکردهای متفاوت برای نیل به این مهم ابداع شود. در ساده‌ترین حالت، مسئله انجمن‌یابی را که شدیدا به نوع شبکه و نحوه مطالعه آن مرتبط است، می‌توان معادل با افراز یک گراف در نظر گرفت. اما با توجه به افزایش روزافزون اندازه و حجم اطلاعات موجود در شبکه‌ها، عضویت گره‌ها در دو یا چند انجمن، اجتناب‌ناپذیر به نظر می‌رسد. گروهی از الگوریتم‌های انجمن‌یابی که هر گره را فقط به یک انجمن منتسب می‌کنند، همپوشانی گره‌ها و یال‌ها در انجمن‌ها را نادیده گرفته و حجم زیادی از اطلاعات را حذف می‌نمایند. در این رساله، با استفاده از بهبود روش‌های رایج بازنمایی گره و توکاری گراف، بهبود نحوه نمایش برداری گره‌ها (مدلکردن اطلاعات ورودی به شبکه یادگیری عمیق)، و نیز استفاده از مولفه‌های محاسباتی یادگیری عمیق نظیر کدکننده خودکار پشته‌شده، به روش کاراتری نسبت به روش‌های فعلی با توجه به معیارهای ارزیابی کارایی در انجمن‌یابی همپوشان شبکه‌های اجتماعی رسیدهایم. به غیر از مقایسه با توجه به معیارهای ارزیابی، روش پیشنهادی در مقایسه با عمده روش‌های قبلی از پیچیدگی زمانی بسیار مطلوبی برای حالت متوسط برخوردار است، و با حفظ تعداد زیادی از معیارهای مجاورت، ساختار محلی و سراسری گره‌های گراف را به خوبی در انجمن‌یابی انجام‌شده بازتاب می‌دهد.