پژوهش دانشگاه user8215- \\\\\\\"-فایل پایان نامه-سایت پایان نامه )\\\\\\\"

ارشددانلود user8215- دانلود پایان نامه

Please enter banners and links.

فهرست مطالب
عنوان صفحه
TOC \o “1-3” \h \z \t “Refrence,1” فصل 1- مقدمه PAGEREF _Toc397453907 \h 71-1- شبکه های اجتماعی PAGEREF _Toc397453908 \h 71-2- تقسیمبندی شبکههای اجتماعی PAGEREF _Toc397453909 \h 91-3- اهمیت شبکههای اجتماعی PAGEREF _Toc397453910 \h 101-4- تحلیل شبکههای اجتماعی PAGEREF _Toc397453911 \h 111-5- شبکهها و ویژگی آنها PAGEREF _Toc397453912 \h 111-6- تشکلها در شبکههای اجتماعی PAGEREF _Toc397453913 \h 131-7- اهمیت شناسایی تشکلها PAGEREF _Toc397453914 \h 161-8- انگیزه از انجام این پایان نامه PAGEREF _Toc397453915 \h 171-9- نگاه کلی به فصول رساله PAGEREF _Toc397453916 \h 19فصل 2- فصل دوم: مروری بر کارهای انجام شده PAGEREF _Toc397453917 \h 212-1- مقدمه PAGEREF _Toc397453918 \h 212-2- روشهای ارائه شده PAGEREF _Toc397453919 \h 222-3- روشهای مبتنی بر لینک PAGEREF _Toc397453920 \h 222-3-1- بهینه کردن یک هدف سراسری PAGEREF _Toc397453921 \h 222-3-2- بدون بهینه سازی هیچ معیاری PAGEREF _Toc397453922 \h 272-3-3- روشهای مبتنی بر مدل PAGEREF _Toc397453923 \h 272-4- روشهی مبتنی بر محتوا PAGEREF _Toc397453924 \h 292-4-1- روش CUT PAGEREF _Toc397453925 \h 292-4-2- روش LTCA PAGEREF _Toc397453926 \h 30فصل 3- ارائه راه حل و روشهای پیشنهادی PAGEREF _Toc397453927 \h 323-1- مقدمه PAGEREF _Toc397453928 \h 323-2- روش SBM PAGEREF _Toc397453929 \h 343-3- روش LDA PAGEREF _Toc397453930 \h 373-4- روش پیشنهادی PAGEREF _Toc397453931 \h 403-4-1- روش CDBLC PAGEREF _Toc397453932 \h 413-5- جمعبندی PAGEREF _Toc397453933 \h 51فصل 4- نتایج PAGEREF _Toc397453934 \h 534-1- مقدمه PAGEREF _Toc397453935 \h 534-2- مجموعه دادهها PAGEREF _Toc397453936 \h 544-2-1- مجموعه دادهی Cora PAGEREF _Toc397453937 \h 544-2-2- مجموعه دادهی Twitter PAGEREF _Toc397453938 \h 554-3- معیارهای ارزیابی PAGEREF _Toc397453939 \h 564-3-1- معیار Modularity PAGEREF _Toc397453940 \h 574-3-2- معیار Normalized Mutual Information PAGEREF _Toc397453941 \h 584-3-3- معیار Perplexity PAGEREF _Toc397453942 \h 594-4- نتایج و تحلیلها PAGEREF _Toc397453943 \h 604-4-1- مجموعه دادهی Cora PAGEREF _Toc397453944 \h 61فصل 5- بحث و نتیجه‌گیری PAGEREF _Toc397453945 \h 675-1- نتیجه گیری PAGEREF _Toc397453946 \h 675-2- پیشنهادات برای کارهای آتی PAGEREF _Toc397453947 \h 71فهرست منابع PAGEREF _Toc397453948 \h 72

فهرست شکل‌ها
عنوان صفحه
TOC \f F \h \z \t “shu- شکل با شماره فصل” \c شکل 1-1- تشکلها. PAGEREF _Toc403403324 \h 14شکل2-1- افراز گراف. PAGEREF _Toc403403325 \h 25شکل 2-2- الف) خوشه‌بندی سلسله مراتبی. ب) خوشه‌بندی توده‌ای PAGEREF _Toc403403326 \h 26شکل 2-3- نمایش گرافیکی مدل GSB. PAGEREF _Toc403403327 \h 30شکل 2-4- نمایش گرافیکی روش CUT. PAGEREF _Toc403403328 \h 31شکل 3-1- نمایش گرافیکی روش مدل بلوک تصادفی (SBM). PAGEREF _Toc403403329 \h 37شکل 3-2- نمایش گرافیکی روش LDA. PAGEREF _Toc403403330 \h 39شکل3-3- روند کشف تشکلهای پنهان در CDBLC PAGEREF _Toc403403331 \h 43شکل 3-4- گراف مبتنی بر لینک برای شبکه مثال. PAGEREF _Toc403403332 \h 43شکل 3-5- اعمال روش SBM بر روی گراف شبکه. PAGEREF _Toc403403333 \h 44شکل 3-6- انتساب اسناد به تشکلها. PAGEREF _Toc403403334 \h 45شکل 3-7- اعمال روش LDA بر روی اسناد درون هر تشکل. PAGEREF _Toc403403335 \h 45شکل 3-8- محاسبه شباهت محتوای اسناد در دیگر تشکلها با عناوین یک تشکل به خصوص. PAGEREF _Toc403403336 \h 46شکل 3-9- همگرایی الگوریتم CDBLC. PAGEREF _Toc403403337 \h 47شکل 3-10- تمایش گرافیکی قدم دوم از الگوریتم CDBLC . PAGEREF _Toc403403338 \h 48شکل 3-11- فلوچارت الگوریتم CDBLC PAGEREF _Toc403403339 \h 51 PAGEREF _Toc403403340 \h 62شکل 4-1- کارایی الگوریتم با توجه به معیار MI بر روی مجموعه دادهی Cora. PAGEREF _Toc403403341 \h 62شکل 4-2- Perplexity تمام تشکلها در تمام مراحل بر روی مجموعه داده Cora. PAGEREF _Toc403403342 \h 63شکل 4-3- خروجی Perplexity برای هر تشکل در مراحل مختلف بر روی مجموعه داده Cora . PAGEREF _Toc403403343 \h 64شکل 4-4- نمودار مقایسه Perplexity روش LDA و CDBLC برای T=50 و K=5. PAGEREF _Toc403403344 \h 65شکل 4-5- نمودار مقایسه Perplexity روش LDA و CDBLC برای T=30 و K=10. PAGEREF _Toc403403345 \h 65شکل 4-5- نمودار مقایسه Perplexity روش LDA و CDBLC برای T=100 و K=20 PAGEREF _Toc403403346 \h 66
فهرست جدول‌ها
عنوان صفحه
TOC \f F \h \z \t “shu- جدول: سطر عنوان” \c جدول 3-1 علائم و تعاریف بکار رفته PAGEREF _Toc397456005 \h 33
فصل نخست:مقدمه
مقدمهشبکه های اجتماعیتعامل انسان با کامپیوتر از زمان ایجاد اولین کامپیوترها همواره مورد توجه بوده است و شامل مطالعه، برنامهریزی و طراحی رابطه بین کاربران و رایانهها است. معمولا از HCI به عنوان نقطه تقاطع علوم کامپیوتر، علوم رفتاری، علم طراحی و چند زمینه دیگر یاد میشود. این اصطلاح برای اولین بار توسط کارد و همکارانش در کتاب “روانشناسی تعامل انسان با کامپیوتر” مطرح شده است و دلالت ضمنی بر این مطلب دارد که رایانه دارای کاربردهای بیشماری است که بدون مرز بین آن و کاربر اعمال میشودADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “1072-5520”, “author” : [ { “dropping-particle” : “”, “family” : “Myers”, “given” : “B– A”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “interactions”, “id” : “ITEM-1”, “issue” : “2”, “issued” : { “date-parts” : [ [ “1998” ] ] }, “page” : “44-54”, “publisher” : “ACM”, “title” : “A brief history of human-computer interaction technology”, “type” : “article-journal”, “volume” : “5” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=301141d1-00b8-4d13-b0d6-eb8d49cbc658” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[1]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[1].
متخصصان این حوزه در ابتدا به دنبال راهکاری برای تولید سخت افزارهایی با ارگونومی مناسب بودند. طی دههی 1980 تمرکز اصلی به تولید نرم افزار های کاربر پسند معطوف شد اما طولی نکشید که در دههی 1990 دیدگاه جدیدی مطرح شد که در آن، به رایانه به عنوان ابزاری برای ایجاد تعاملات انسانی نگاه میشد. با توجه به این رویکرد، شبکههای اجتماعی اینترنتی عامل ایجاد تعامل میان انسانها در فضای مجازی گشتند و اهمیت به سزایی پیدا کردندADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Harper”, “given” : “R”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Rodden”, “given” : “T”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Rogers”, “given” : “Y”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Sellen”, “given” : “A”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “2008” ] ] }, “title” : “Being Human: HCI in the Year 2020.”, “type” : “article-journal” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=fb581083-53b0-472a-861b-c96a22fb7eda” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[2]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[2].
امروزه، با توجه به رشد فراگیر اینترنت و فناوریهای ارتباطی و اطلاعاتی، شاهد شکل گیری یک فضای مجازی در کنار جهان واقعی هستیم که الگوهای سنتی را دستخوش تغییر نموده است. این فضا دارای ویژگیهایی چون فرازمان بودن، بیمکانی، عدم محدودیت به قوانین، روی فضا بودن، آزادی از هویت بدنی و جنسی و برخورداری از فضاهای فرهنگی، اقتصادی، سیاسی است. شبکههای اجتماعی مجازی، امروزه نقش بسیار مهمی در خلق این فضای مجازی دارند. این فضاها در کنار ویژگیهای مثبت، آسیبهای روانی و سیاسی بسیار گستردهای را میتوانند برای یک جامعه به همراه بیاورند. همچنین عدهای از محققان معتقند شبکههای اجتماعی باعث افزایش معاشرت پذیری میشود در حالی که عدهای مقابل این تعریف قرار دارند و معتقدند شبکه اجتماعی فعلی باعث کاهش ارتباط با خانواده میشودADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “1083-6101”, “author” : [ { “dropping-particle” : “”, “family” : “Ellison”, “given” : “Nicole B”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Journal of Computer\u2010Mediated Communication”, “id” : “ITEM-1”, “issue” : “1”, “issued” : { “date-parts” : [ [ “2007” ] ] }, “page” : “210-230”, “publisher” : “Wiley Online Library”, “title” : “Social network sites: Definition, history, and scholarship”, “type” : “article-journal”, “volume” : “13” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=fd1e01c2-aa29-42e9-977e-1dabc281cc8a” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[3]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[3].
بنابر تعریف ارائه شده در دانشنامه آزاد ویکی پدیا، شبکه های اجتماعی ساختار های اجتماعی هستند که از بازیگرانی تشکیل شده اند که به وسیلهی نوع خاصی از وابستگی مانند روابط دوستی،خویشاوندی، تجاری، الهامات، ایدهها، لینکهای وب، سرایت بیماریها(اپیدمولوژی)، مسیرهی هواپیمایی یا علایق مشترک با یکدیگر در ارتباط اند. به عبارت دیگر شبکه های اجتماعی مجموعه ای از بازیگران هستند که به نحوی با یکدیگر در ارتباط هستند. در سال های اخیر گسترش استفاده از رسانههای دیجیتال برای برقراری ارتباط بین افراد، مفهوم شبکههای اجتماعی به دنیای کامپیوتر راه یافته است و با توجه به زیاد بودن تعداد کاربران در این شبکهها، تحلیل آنها به یکی از موضوعات مورد علاقه در اکثر حوزهها تبدیل شده است.
به طور معمول شبکههای اجتماعی را میتوان در قالب گراف نمایش داد که در این گرافها، گره ها معادل کاربران شبکه اجتماعی بوده و یالهای گراف نشان دهندهی ارتباط بین بازیگران میباشند. با توجه به ساختار شبکه اجتماعی و یک طرفه یا دو طرفه بودن ارتباط گراف متناظر میتواند جهت دار یا بدون جهت باشد. همچنین در صورتی که وزن ارتباط بین افراد در شبکههای اجتماعی یکسان نباشد گراف متناظر با شبکه یک گراف وزندار خواهد بود که در آن وزن هر یال متناظر با وزن ارتباط میباشد ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0370-1573”, “author” : [ { “dropping-particle” : “”, “family” : “Fortunato”, “given” : “Santo”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Physics Reports”, “id” : “ITEM-1”, “issue” : “3”, “issued” : { “date-parts” : [ [ “2010” ] ] }, “page” : “75-174”, “publisher” : “Elsevier”, “title” : “Community detection in graphs”, “type” : “article-journal”, “volume” : “486” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=66249b50-75e8-4339-a82d-8b901e172d99” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[4]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[4].
تقسیمبندی شبکههای اجتماعیشبکههای اجتماعی به دو دستهی شبکههای مجازی و شبکههای غیر مجازی تقسیم میشوند. شبکههای غیر مجازی توسط مجموعهای از کاربران بههم پیوسته در محیطهای اجتماعی عمل میکنند. شبکه های اجتماعی مجازی مجموعهای از وب سایتها هستند که امکان ارتباط را مستقل از زمان و مکان، برای کاربران خود فراهم میکنند. با استفاده از این وب سایت ها کاربران با استفاده از یک موتور جستوجو گر و افزودن امکانات جانبی از قبیل انتقال صدا و تصوبر، گفتوگوی دوستانه، پست الکترونیکی و … میتوانند علاقهمندی، افکار و فعالیتهای خود را در یک ثانیه با صدها و حتی هزاران فرد در سراسر جهان به اشتراک بگذارند.
وبلاگها، فیسبوک، توییتر و یوتیوب از جمله شبکههای اجتماعی مجازی هستندADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Zhang”, “given” : “Haizheng”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Qiu”, “given” : “Baojun”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Giles”, “given” : “C Lee”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Foley”, “given” : “Henry C”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Yen”, “given” : “John”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Intelligence and Security Informatics, 2007 IEEE”, “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “2007” ] ] }, “page” : “200-207”, “publisher” : “IEEE”, “title” : “An LDA-based community structure discovery approach for large-scale social networks”, “type” : “paper-conference” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=a6ee51d5-2f1a-4cc7-a6cb-ff88daa57e60” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[5]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[5].
اهمیت شبکههای اجتماعیامروزه شبکههای اجتماعی به دلایل بسیار زیادی مورد توجه هستند و اهمیت دارند که ما به توضیح دو دلیل عمده اکتفا میکنیم:
رشد روز افزون شبکههای اجتماعی و تعداد کاربران آنها
اگرچه آمار قابل اعتمادی از تعداد کاربران شبکه های اجتماعی برخط وجود ندارد ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “1935-7524”, “author” : [ { “dropping-particle” : “”, “family” : “Celisse”, “given” : “Alain”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Daudin”, “given” : “Jean-Jacques”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Pierre”, “given” : “Laurent”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Electronic Journal of Statistics”, “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “2012” ] ] }, “page” : “1847-1899”, “publisher” : “Institute of Mathematical Statistics”, “title” : “Consistency of maximum-likelihood and variational estimators in the stochastic block model”, “type” : “article-journal”, “volume” : “6” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=01cb60a0-f136-4b08-93b5-89bb3cc994d3” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[6]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[6] اما تحقیقات تجاری نشان میدهند که جمعیت اعضای این شبکهها در سراسر جهان در حال افزایش است. این امر شرکتهای بسیاری را برای سرمایه گذاری در این بخش ترغیب کرده است. البته شبکه اجتماعی برخط یوتیوب که امکان بارگذاری و تماشای ویدیوهای با طول کوتاه را به کاربران خود میدهد در سایت آماردهی خود اعلام کرده است که در حال حاظر در هر ماه بیش از 800 میلیون بازدید کننده یکتا دارد. در هر روز میلیونها عضو به این شبکه افزوده میشوند. در سال 2011 این شبکه در 43 کشور دنیا بومی شده و به 60 زبان مختلف قابل دسترسی استADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISBN” : “1424420849”, “author” : [ { “dropping-particle” : “”, “family” : “Cheng”, “given” : “Xu”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Dale”, “given” : “Cameron”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Liu”, “given” : “Jiangchuan”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Quality of Service, 2008. IWQoS 2008. 16th International Workshop on”, “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “2008” ] ] }, “page” : “229-238”, “publisher” : “IEEE”, “title” : “Statistics and social network of youtube videos”, “type” : “paper-conference” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=c7acc3a8-1d10-4a68-9458-741aa109d0c2” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[7]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[7].
تغییر ساختار ارتباطات اجتماعی با ورود و گسترش شبکههای اجتماعی
برخی از آثار این تغییر عبارتاند از: انتشار بسیاری از خبرهای مهم و پرطرفدار در شبکههای اجتماعی به جای استفاده از ابزارهای سنتی مانند روزنامه، تلویزیون و …
تاثیرات گستردهی شبکههای اجتماعی در شکلگیری ساختار جدید در روابط بین افراد، بسیاری از محققان، جامعه شناسان و حتی سیاستمداران را برآن داشته است تا به شبکههای اجتماعی به عنوان یکی از مهمترین ابزارهای تاثیر بر اذهان عمومی بنگرندADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “1083-6101”, “author” : [ { “dropping-particle” : “”, “family” : “Ellison”, “given” : “Nicole B”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Journal of Computer\u2010Mediated Communication”, “id” : “ITEM-1”, “issue” : “1”, “issued” : { “date-parts” : [ [ “2007” ] ] }, “page” : “210-230”, “publisher” : “Wiley Online Library”, “title” : “Social network sites: Definition, history, and scholarship”, “type” : “article-journal”, “volume” : “13” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=fd1e01c2-aa29-42e9-977e-1dabc281cc8a” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[3]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[3].
تحلیل شبکههای اجتماعیبا گسترش شبکههای اجتماعی و اهمیت آنها، نیاز به تحلیل ساختارها و رفتارهای شبکههای اجتماعی، به عنوان یکی از نیازمندیهای شرکتهای تجاری مبدل گشت. تحلیل شبکههای اجتماعی در بسیاری از کاربردهااز جمله مدیریت شبکه اجتماعی، تحلیل گرایش بازار، شناسایی افراد تاثیرگذار و… قابل استفاده است. نیازمندیهای تجاری باعث شده است در سالهای اخیر در بعد آکادمیک توجه زیادی به تحلیل شبکههای اجتماعی گردد. امروزه این ابزار قدرتمند نه تنها مورد توجه متخصصان فناوری اطلاعات میباشد، بلکه پژوهشگران سایر رشتههایی چون علوم تربیتی، زیست شناسی، علوم ارتباطات، اقتصاد و… به عنوان یک تکنیک کلیدی از تحلیل شبکه اجتماعی بهره میبرندADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Zhang”, “given” : “Haizheng”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Qiu”, “given” : “Baojun”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Giles”, “given” : “C Lee”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Foley”, “given” : “Henry C”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Yen”, “given” : “John”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Intelligence and Security Informatics, 2007 IEEE”, “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “2007” ] ] }, “page” : “200-207”, “publisher” : “IEEE”, “title” : “An LDA-based community structure discovery approach for large-scale social networks”, “type” : “paper-conference” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=a6ee51d5-2f1a-4cc7-a6cb-ff88daa57e60” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[5]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[5].
برای تحلیل شبکه از معیارها و نرمافزارهای متفاوتی استفاده میشود. نرم افزارهای تجزیه و تحلیل شبکه اجتماعی جهت شناسایی، تجسم و شبیه سازی راًسها و یالها استفاده میشوند. ابزار تجزیه و تحلیل شبکه به محققان اجازه میدهد تا شبکههایی با اندازههای مختلف را بررسی کنند. این نرم افزارها که با فراهم آوردن ابزارهای مختلف اجازه اعمال رویههای ریاضی و آماری را روی مدل شبکه میدهند، با نمایشهای بصری شبکههای اجتماعی به درک و تحلیل نتایج کمک زیادی میکنند.
شبکهها و ویژگی آنهاشبکههای اجتماعیADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Wasserman”, “given” : “Stanley”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Faust”, “given” : “Katherine”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Social network analysis: Methods and applications”, “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “1994” ] ] }, “page” : “1-27”, “title” : “Social network analysis in the social and behavioral sciences”, “type” : “article-journal”, “volume” : “1994” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=330e1b53-5eba-43b5-a9c8-ed150b0ca608” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[8]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[8]، شبکههای فنی (مانند اینترنتADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISBN” : “1581131356”, “author” : [ { “dropping-particle” : “”, “family” : “Faloutsos”, “given” : “Michalis”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Faloutsos”, “given” : “Petros”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Faloutsos”, “given” : “Christos”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “ACM SIGCOMM Computer Communication Review”, “id” : “ITEM-1”, “issue” : “4”, “issued” : { “date-parts” : [ [ “1999” ] ] }, “page” : “251-262”, “publisher” : “ACM”, “title” : “On power-law relationships of the internet topology”, “type” : “paper-conference”, “volume” : “29” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=5f9160eb-e16f-4fef-8a68-e8cd27108732” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[9]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[9]) و شبکههای زیستی (مانند
شبکههای عصبیADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0028-0836”, “author” : [ { “dropping-particle” : “”, “family” : “Watts”, “given” : “Duncan J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Strogatz”, “given” : “Steven H”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “nature”, “id” : “ITEM-1”, “issue” : “6684”, “issued” : { “date-parts” : [ [ “1998” ] ] }, “page” : “440-442”, “publisher” : “Nature Publishing Group”, “title” : “Collective dynamics of \u2018small-world\u2019networks”, “type” : “article-journal”, “volume” : “393” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=73cf594c-bef6-45ea-83f2-a0914975a7e5” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[10]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[10]) نمونه هایی از شبکهها هستند. راسها در این شبکهها، موجودیتها و یالها، ارتباط بین آنها را نشان میدهند. مثلا در شبکه اینترنت، کامپیوترها یا مسیریابها و در شبکههای اجتماعی، مردم را با راسها، و ارتباطهای دادهای بین کامپیوترها و یا روابط دوستی بین مردم را با یالها نمایش میدهیم.
شبکهها دارای ویژگیهای آماری مشترکی هستند. یکی از این ویژگیها، ویژگی پدیده دنیای کوچکADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Milgram”, “given” : “Stanley”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Psychology today”, “id” : “ITEM-1”, “issue” : “1”, “issued” : { “date-parts” : [ [ “1967” ] ] }, “page” : “60-67”, “publisher” : “New York”, “title” : “The small world problem”, “type” : “article-journal”, “volume” : “2” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=8b03e832-dfe6-4e7e-bbb1-c917e2e8fad1” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[11]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[11] که به 6 درجه جدایی ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISBN” : “0679734813”, “author” : [ { “dropping-particle” : “”, “family” : “Guare”, “given” : “John”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “1990” ] ] }, “publisher” : “Random House LLC”, “title” : “Six degrees of separation: A play”, “type” : “book” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=509813e9-ef4a-4efc-ae42-d30bf431a9bf” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[12]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[12] نیز معروف است و بیان میکند که در یک شبکه، فاصله متوسط بین راسها، کوتاه و معمولا تابعی لگاریتمی از تعداد آنهاست. شش درجه جدایی به این اشاره دارد که اگر فاصله هر فرد را از تمام افرادی که مستقیما میشناسد یک گام در نظر بگیریم و این فاصله را برای تمام افرادی که با یک نفر واسط با آن آشنایی دارد دو گام در نظر بگیریم آنگاه میانگین فاصله هر دو نفر در کره زمین 6 گام است. در سال 2009 سایتی به نام Glacir برای بررسی تئوری 6 درجه جدایی ساخته شد که نه تنها فاصله شما را با دیگران مشخص میکرد بلکه نحوه ارتباط شما با اخبار جهان را هم نمایش میداد. برنامهای در فیس بوک به نام Six Degrees توسط بنیان، تهیه شده است که میتواند فاصله بین افراد را محاسبه کند. این برنامه بیش از 5.8 میلیون کاربر دارد. میانگین فاصله میان تمام اعضا 5.73 است که ماکزیمم آن 12 می باشد.
ویژگی دیگر، ویژگی توزیع درجه اریب به راست ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0028-0836”, “author” : [ { “dropping-particle” : “”, “family” : “Albert”, “given” : “R\u00e9ka”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Jeong”, “given” : “Hawoong”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Barab\u00e1si”, “given” : “Albert-L\u00e1szl\u00f3”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Nature”, “id” : “ITEM-1”, “issue” : “6749”, “issued” : { “date-parts” : [ [ “1999” ] ] }, “page” : “130-131”, “publisher” : “Nature Publishing Group”, “title” : “Internet: Diameter of the world-wide web”, “type” : “article-journal”, “volume” : “401” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=d8bffaa3-e2db-4647-b540-361acbc4b0fc” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[13]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[13] بوده و بیان می کند که درجه بیشتر راسهای یک شبکه، کم و تنها تعداد محدودی از آنها درجه بالا دارند و توزیع درجات غالبا با قانون توانی میباشدADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0036-1445”, “author” : [ { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “SIAM review”, “id” : “ITEM-1”, “issue” : “2”, “issued” : { “date-parts” : [ [ “2003” ] ] }, “page” : “167-256”, “publisher” : “SIAM”, “title” : “The structure and function of complex networks”, “type” : “article-journal”, “volume” : “45” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=8458f213-d793-4c27-835f-73329a3210b9” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[14]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[14]. ویژگی بعدی، ویژگی خوشهبندی یا انتقالپذیری شبکه است و بیان میکند دو راس مجاور با راس سوم، با احتمال زیادی با یکدیگر مجاور بوده و با ضریب خوشه بندی مقداردهی میشودADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Strogatz”, “given” : “Steven H”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Watts”, “given” : “Duncan J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Physical Review E”, “id” : “ITEM-1”, “issue” : “2”, “issued” : { “date-parts” : [ [ “2001” ] ] }, “page” : “26118”, “publisher” : “APS”, “title” : “Random graphs with arbitrary degree distributions and their applications”, “type” : “article-journal”, “volume” : “64” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=3f59a502-db79-4ed7-8cf6-ed1bb5d62ac3” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[15]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[15].
اما مهمترین ویژگی شبکهها که توجه بیشتری را به خود جلب کرده است، ویژگی ساختار تشکل میباشد ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “1434-6028”, “author” : [ { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “The European Physical Journal B-Condensed Matter and Complex Sys–s”, “id” : “ITEM-1”, “issue” : “2”, “issued” : { “date-parts” : [ [ “2004” ] ] }, “page” : “321-330”, “publisher” : “Springer”, “title” : “Detecting community structure in networks”, “type” : “article-journal”, “volume” : “38” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=0ca5bc94-21ee-4653-b682-d3389a947f46” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[16]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[16]ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “1742-5468”, “author” : [ { “dropping-particle” : “”, “family” : “Danon”, “given” : “Leon”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Diaz-Guilera”, “given” : “Albert”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Duch”, “given” : “Jordi”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Arenas”, “given” : “Alex”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Journal of Statistical Mechanics: Theory and Experiment”, “id” : “ITEM-1”, “issue” : “09”, “issued” : { “date-parts” : [ [ “2005” ] ] }, “page” : “P09008”, “publisher” : “IOP Publishing”, “title” : “Comparing community structure identification”, “type” : “article-journal”, “volume” : “2005” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=96a3d393-9ce0-4cdb-a341-fc5e977b1387” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[17]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[17] که طبق تعریف سنتی به معنی وجود گروههای متراکم از راسها و ارتباطات تنک بین این گروههاست. این ویژگی در شکل 1-1 نشان داده شده است. (به این ویژگی، خوشهبندی نیز گفته میشود، اما برای جلوگیری از تداخل با ویژگی قبل، از این نام استفاده نمیکنیم) این گروهها، معمولا خوشه، تشکل، گروههای به هم پیوسته و یا ماژول نامیده میشوند.

شکل 1-1- تشکلها.رأسها در بسیاری از شبکهها به طور طبیعی در گروهها یا تشکلها قرار می‌گیرند، مجموعههایی از رأسها (سیاه یا سفید) که یالهای درونی بسیار دارند اما تعداد یالهای بین آنها کم است.
تشکلها در شبکههای اجتماعیدر اغلب شبکه‌های اجتماعی مجموعه‌ای از بازیگران وجود دارند که ارتباطات قوی‌تری با یکدیگر داشته و موضوعات مورد علاقه آنها نیز مشابه است که در ادبیات شبکه‌های اجتماعی به این مجموعه بازیگران مجمع، انجمن یا تشکل گفته می‌شود.ساختار تشکل به معنی وجود گروههای فشرده از گرهها و تعاملات پراکنده در این گروهها است. شناسایی تشکل به روندی گفته میشود که در طی آن گرهها در خوشههایی گروه بندی میشوند که تعاملات مرتبط با هم و علاقه مندیهایی مشترک دارندADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0370-1573”, “author” : [ { “dropping-particle” : “”, “family” : “Fortunato”, “given” : “Santo”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Physics Reports”, “id” : “ITEM-1”, “issue” : “3”, “issued” : { “date-parts” : [ [ “2010” ] ] }, “page” : “75-174”, “publisher” : “Elsevier”, “title” : “Community detection in graphs”, “type” : “article-journal”, “volume” : “486” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=66249b50-75e8-4339-a82d-8b901e172d99” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[4]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[4]ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “1574-0137”, “author” : [ { “dropping-particle” : “”, “family” : “Schaeffer”, “given” : “Satu Elisa”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Computer Science Review”, “id” : “ITEM-1”, “issue” : “1”, “issued” : { “date-parts” : [ [ “2007” ] ] }, “page” : “27-64”, “publisher” : “Elsevier”, “title” : “Graph clustering”, “type” : “article-journal”, “volume” : “1” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=7d7b8c59-c569-45f9-840c-67a43cf67c65” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[18]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[18].
امروزه توابع هدف مبتنی بر لینک بسیار زیادی وجود دارند که سعی میکنند مجامع و تشکلها ر در گراف شبکه پیدا کنند. این توابع به گونهای انتخاب میشوند که بتوانند تشکلهایی را استخراج کنند که اتصالات درونی آنها بیشتر از اتصالات برونیشان باشدADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISBN” : “1605587990”, “author” : [ { “dropping-particle” : “”, “family” : “Leskovec”, “given” : “Jure”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Huttenlocher”, “given” : “Daniel”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Kleinberg”, “given” : “Jon”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Proceedings of the 19th international conference on World wide web”, “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “2010” ] ] }, “page” : “641-650”, “publisher” : “ACM”, “title” : “Predicting positive and negative links in online social networks”, “type” : “paper-conference” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=d8a17569-e4a6-4676-b07b-68c483679f4c” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[19]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[19]. برای اینکه بتوان بر اساس تعاریف ارائه شده مجامع را استخراج کرد باید بتوان کیفیت تشکاهای استخراج شده را بر اساس این تعاریف تعریف نمود. چند نمونه از معیارهای سنجش کیفیت تشکل ها عبارت اند از:
•قطر انجمن: یکی از معیارهای مورد استفاده برای اندازهگیری گراف قطر گراف میباشد که از آن به عنوان معیار اندازهگیری کیفیت یک تشکل نیز استفاده میشود. قطر یک تشکل حداکثر طول کوتاهترین مسیر بین هر دو گره دلخواه در این تشکل میباشد و هر چه قطر یک تشکل کمتر باشد نشان از چگالی بیشتر ارتباطات و قوت آنها بین بازیگران موجود در تشکل میباشد.
•ضریب خوشهبندی: این خصوصیت بیان میکند که دو گره در شبکه اجتماعی که همسایه یک گره دیگر هستند نسبت به دو گره که به طور تصادفی از کل گره های موجود در شبکه اجتماعی انتخاب شوند با احتمال بیشتری با یکدیگر در ارتباط هسستند. این خصوصیت بر اساس ضریب خوشهبندی قابل اندازهگیری میباشد. فرمول ضریب خوشهبندی که در ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Schank”, “given” : “Thomas”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Wagner”, “given” : “Dorothea”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “2004” ] ] }, “publisher” : “Universit\u00e4t Karlsruhe, Fakult\u00e4t f\u00fcr Informatik”, “title” : “Approximating clustering-coefficient and transitivity”, “type” : “book” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=ca852e8e-fe6c-4fbe-9837-dc085882e49c” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[20]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[20] آمده است، به صورت زیر میباشد:
(1-1) C=3*(تعداد مثلثهای موجود در گراف)تعداد گرههای ه تایی متصل به یکدیگرضریب خوشهبندی به طور دقیق احتمال اینکه دو گره به یک گره خود به یکدیگر متصل باشند را بیان میکند و برای یک گراف کامل معادل یک میباشد.
استقرار درمرکز: تفاوت بین تعداد پیوندها برای نود تقسیم شده توسط بیشترین مجموع تفاوتها. یعنی در یک شبکه همیشه گرههایی وجود دارند که نسبت به دیگر گرهها تعداد پیوندهای بیشتری دارند. در شبکهای که دچار عدم تمرکز است تفاوت کمی بین پیوندهای هر گره وجود دارد.
اما اگر برای شناسایی تشکلها، تنها از ساختار لینک شبکه استفاده شود، استخراج علایق مشترک از تشکلها، امری ناممکن میشود. بسیاری از مطالعات پیشین، از پیوستگی بین روابط و علایق چشمپوشی میکنند، بنابراین در تشخیص تشکلهای مناسب دچار مشکل میشوند. در این مطالعه، ما با در نظر گرفتن این موضوع، معتقدیم که تعریف تشکل به شدت وابسته به کاربرد آن است. یک تشکل ممکن است به گروهی از افراد اطلاق شود که نسبت به سایر افراد به یکدیگر نزدیکتر هستند (معیار نزدیکی دو فرد می‌تواند کوتاهترین مسیر بین آن دو نفر یا مجموع تمامی مسیرهای مستقل ما بینشان و یا توابع فاصله دیگری از این دست می‌باشد) یا کسانی که علایق مشترکی با یکدیگر دارند اما ضرورتا به طور مستقیم به هم لینک ندارند، یعنی ممکن است یک رأس به صورت مفهومی به یک تشکل مرتبط باشد و محتوای اسناد همراه با این رأس به محتوای کلی یک تشکل شباهت داشته باشد اما لینک مستقیمی بین آن رأس و اعضای تشکل وجود نداشته باشد. بنابراین، یک تشکل که از نظر معنا شناسی معنادار است باید به هر دو تعریف توجه کند و سعی کند هر دو ویژگی را در کنار هم داشته باشد.

اهمیت شناسایی تشکلهاتشکل‌ها اطلاعات ارزشمندی در مورد نوع ارتباط بازیگران، نحوه انتقال اطلاعات بین آنها و نحوه‌ توزیع بازیگران در شبکه‌های اجتماعی ارائه می‌کنند و در واقع به عنوان جزء اصلی سازنده این شبکه‌ها محوب می‌شوند.
شناسایی تشکل ها در شبکهها از اهمیت زیادی برخوردار است، زیرا با توجه به تعداد زیاد کاربران و اطلاعات بیشمار بر روی شبکههای اینترنت، امکان آنالیز دادهها و انجام درخواستها میسر نخواهد شد. مثلا تشکلهای موجود در شبکه وب، با مجموعههای صفحات وب موجود بر روی موضوعات مرتبط متناظر بوده، تشخیص آنها منجر به یافتن صفحات مشابه و مربوط به هم میشود. این موضوع برای بسیاری از کاربردها، مثلا موتورهای جستجو و سیستمهای پیشنهاددهنده متناسب است. همچنین، تشکلهای موجود در شبکههای اجتماعی با واحدهای اجتماعی تناظر دارندADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0027-8424”, “author” : [ { “dropping-particle” : “”, “family” : “Girvan”, “given” : “Michelle”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Proceedings of the National Academy of Sciences”, “id” : “ITEM-1”, “issue” : “12”, “issued” : { “date-parts” : [ [ “2002” ] ] }, “page” : “7821-7826”, “publisher” : “National Acad Sciences”, “title” : “Community structure in social and biological networks”, “type” : “article-journal”, “volume” : “99” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=929d0489-a0ed-44e3-842f-33a067ab71fc” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[21]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[21]. از دیگر کاربردهای شناسایی تشکل، در شبکههای مبتنی بر متن مثل DBLP یا Twitter مطرح میشود. از یک دیدگاه، در این شبکه، رأسها با اسناد تناظر داشته و دو رأس، در صورتیکه یک نویسنده سند متناظر با آنها را نوشته باشد با یک یال به هم مربوط میشوند. نتیجه شناسایی تشکلها در این شبکه، یافتن اسناد با محتوای مشابه است. از طرف دیگر یکی دیگر از مهمترین کاربرد شناسایی تشکل در شبکههایی از این دست ، مسالهی رفع ابهام در نام نویسندگان است. بدین ترتیب که با شناسایی تشکلهای مربوط به نویسندگانی با نامهای مشابه، میتوان دریافت که هر کدام از این نویسندگان به چه تشکلی تعلق دارند و در نتیجه بین آنها تمیز داد.
یکی دیگر از کاربردهای اصلی شناسایی تشکلها در کسب و کار الکترونیکی است. از جملهی کاربردها در این حوزه میتوان به قسمتبندی بازار، بازاریابی ویروسی، پیدا کردن افراد تاثیرگذار و حامیان تشکلهای اعتماد در وب اشاره کرد. یادگیری مشارکتی از جمله رویکردهای موفق یادگیری است که طی آن، فراگیران طی تعامل با یکدیگر مباحث را فرا میگیرند. به سبب تاثیر مثبت یادگیری این روش در یادگیری، شیوههای نوین آموزش الکترونیکی به دنبال تحقق آن در محیط مجازی و به صورت خاص، در شبکههای اجتماعی میباشند. از چالشهای مهم پیش روی یادگیری مشارکتی، چگونگی ایجاد تعامل و نحوهی نظارت معلم بر فراگیران میباشد. شناسایی تشکلهای اجتماعی می تواند در مواجهه با این چالشها به معلمان یاری رساند.
کاربرد دیگر تشکلها که شناسایی آنها را با اهمیت میکند در جامعهشناسی و روانشناسی است. با استفاده از تشکل ها در این علوم، جامعه مجازی و رفتار هر فرد در جامعه مجازی به نحو کاراتری بررسی میشود و با الگو برداری از این رفتارها، دنیای واقعی بهتر مدل میشود. از مدل به دست آمده برای اتخاذ تصمیمات در بسیاری از زمینهها استفاده میشود.
انگیزه از انجام این پایان نامههمانطور که پیشتر نیز بیان شد، تحلیل شبکههای اجتماعی به عنوان یک تکنیک کلیدی در جامعهشناسی، انسان شناسی، روانشناسی اجتماعی، بازاریابی و مدیریت بازار، مطالعات سازمانی، سیاست، اقتصاد و… همانند یک موضوع محبوبدر زمینهی تفکر و مطالعه پدیدار شده است.
تشکل‌ها به سبب ارائهی اطلاعات مفیدی در مورد نوع ارتباط کاربران حاظر در شبکه، نحوهی توزیع آنها و نحوهی انتقال اطلاعات بین بازیگران در شبکه‌های، به عنوان جزء اصلی سازنده این شبکه‌ها محسوب می‌شوند. بنابراین شناسایی تشکلها امری بسیار مهم و حیاتی است.
روشهای پیشین برای شناسایی تشکلها فقط از اطلاعات ساختاری و لینکهای موجود در شبکه استفاده میکردند اما دادههایی که امروزه در رسانههای اجتماعی یافت میشوند علاوه بر لینکهای بین گرهها شامل محتوایی برای توصیف خود گرهها یا ارتباطات بین آنهاست. در سایتهای اینترنتی شبکههای اجتماعی، کاربران دارای صفحات پروفایل شخصی هستند، نظرات خود را در شبکه به اشتراک میگذارند و مقالات را بازیابی و آشکار میکنند. در سایتهای بحث در مورد عکسها و فیلمها، مشتریان درمورد عکسها و فیلمها توضیح میدهند و از متنهای کوتاه برای برچسب زدن به آنها استفاده میکنند. اما با توجه به حجم بالای محتوای متنی و رشد و توسعه بسیار سریع آنها، مطالعهی همهی این سندها و استخراج اطلاعات از آنها کار بسیار دشواری است. روشهای مدل کردن عناوین به ما این امکان را میدهد که این حجم بالا از اطلاعات را بررسی کرده و اطلاعات لازم را از آنها استخراج کنیم.
اهمیت شناسایی تشکلها با توجه به تمامی مطالب ذکر شده در بالا و موارد و مشکلات موجود در اکثر روشهای متداول برای شناسایی تشکلها، ما را بر آن داشت تا در این پایاننامه، از اطلاعات متنی نیز در کنار دادههای معمول استفاده کنیم بهطوریکه تشکلهای مناسب تری را کشف کنیم که هم ساختاری را داشته باشد که اعضای نزدیکتر را در یک گروه قرار دهد هم اینکه از نظر معنایی قابل فهمتر و قابل توصیفتر باشند.
نگاه کلی به فصول رسالهاین رساله مشتمل بر پنج فصل میباشد که در ادامهی مقدمه، در فصل دوم به بررسی و تحلیل روشهای ارائه شده در این حوزه خواهیم پرداخت. در فصل سوم، روشهای پیشنهادی با تمامی جزئیات ارائه خواهند شد و در فصل چهارم، نتایج حاصل از اجرای آنها بر روی مجموه دادههای معرفی شده به همراه تحلیل نتایج آورده شده است. در انتها در فصل پنجم به شرح نتیجهگیری و کارهای آینده پرداختهایم.

فصل دوم
مروری بر کارهای پیشین
فصل دوم:مروری بر کارهای انجام شده مقدمه
مطالعه ساختار تشکل در شبکهها تاریخچه‌ای بسیار طولانی داشته و الگوریتمهایی که به این منظور مطرح‌شده‌اند در دو دسته کلی قرار می‌گیرند:
دسته اول: الگوریتمهایی که فقط بر اساس ساختار ارتباط بین رأسها عمل می‌کنند.
دسته دوم: الگوریتمهایی که علاوه بر ساختار ارتباط بین رأسها، از اطلاعات مفهومی گراف شبکه نیز استفاده می‌کنند.
همانطور که در فصل قبل اشاره شد، تشکل به گروهی از اعضا اطلاق میشود که از لحاظ لینک، ارتباطات بسیار نزدیکی با یکدیگر دارند و از نظر محتوا، در یک حوزه مشترک فعالیت میکنند.
در این فصل با توجه به تعریف فوق و تعاریف قبلی، به مطالعهی روشهای ارائه شده در این حوزه از نقطه نظرات گوناگون خواهیم پرداخت.
روشهای ارائه شدههمانطور که در بخش 2-1 اشار شد، الگوریتمهای شناسایی تشکل در دو دسته کلی قرار میگیرند که دسته اول بر اساس ساختار لینک میباشد. خود روشهای تعریف شده در این حوزه در سه دستهی کلی زیر قرار میگیرند:
روشهایی که به دنبال بهینه کردن یک هدف سراسری می‌باشند.
روشهایی که بر اساس بهینه‌سازی هیچ معیاری عمل نمی‌کنند.
روشهای مبتنی بر مدل .
روشهای ارائه شده در دسته دوم بهطور پراکنده، سعی در یافتن تشکلها بر اساس محتوا میکنند.
در ادامه نمونههایی از هر دسته را شرح خواهیم داد.
روشهای مبتنی بر لینکبهینه کردن یک هدف سراسریروشهایی که به دنبال بهینه کردن یک هدف سراسری می‌باشند، مانند بهینه کردن معیارهای اندازه برش گراف ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0027-8424”, “author” : [ { “dropping-particle” : “”, “family” : “Girvan”, “given” : “Michelle”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Proceedings of the National Academy of Sciences”, “id” : “ITEM-1”, “issue” : “12”, “issued” : { “date-parts” : [ [ “2002” ] ] }, “page” : “7821-7826”, “publisher” : “National Acad Sciences”, “title” : “Community structure in social and biological networks”, “type” : “article-journal”, “volume” : “99” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=929d0489-a0ed-44e3-842f-33a067ab71fc” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[21]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[21] پیمانهای بودن ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Fj\u00e4llstr\u00f6m”, “given” : “Per-Olof”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Link\u00f6ping electronic articles in computer and information science”, “id” : “ITEM-1”, “issue” : “10”, “issued” : { “date-parts” : [ [ “1998” ] ] }, “title” : “Algorithms for graph partitioning: A survey”, “type” : “article-journal”, “volume” : “3” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=15556807-b014-45c3-9e7f-8297f2f7617f” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[22]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[22] و نوع فازی آن ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0027-8424”, “author” : [ { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Proceedings of the National Academy of Sciences”, “id” : “ITEM-1”, “issue” : “23”, “issued” : { “date-parts” : [ [ “2006” ] ] }, “page” : “8577-8582”, “publisher” : “National Acad Sciences”, “title” : “Modularity and community structure in networks”, “type” : “article-journal”, “volume” : “103” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=58d43562-218c-4083-a8bb-c7f2ab677925” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[23]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[23]، مابین بودنADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0378-4371”, “author” : [ { “dropping-particle” : “”, “family” : “Zhang”, “given” : “Shihua”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Wang”, “given” : “Rui-Sheng”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Zhang”, “given” : “Xiang-Sun”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Physica A: Statistical Mechanics and its Applications”, “id” : “ITEM-1”, “issue” : “1”, “issued” : { “date-parts” : [ [ “2007” ] ] }, “page” : “483-490”, “publisher” : “Elsevier”, “title” : “Identification of overlapping community structure in complex networks using fuzzy c-means clustering”, “type” : “article-journal”, “volume” : “374” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=61d61a0f-967f-434f-a3d3-f453a887af61” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[24]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[24] و هدایت ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Girvan”, “given” : “Michelle”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Physical review E”, “id” : “ITEM-1”, “issue” : “2”, “issued” : { “date-parts” : [ [ “2004” ] ] }, “page” : “26113”, “publisher” : “APS”, “title” : “Finding and evaluating community structure in networks”, “type” : “article-journal”, “volume” : “69” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=be79c433-5973-4931-aec9-314539636001” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[25]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[25] و یا بهینه کردن پارامترهای احتمالات موجود در GMM ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISBN” : “3540249796”, “author” : [ { “dropping-particle” : “”, “family” : “Brandes”, “given” : “Ulrik”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Erlebach”, “given” : “Thomas”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “id” : “ITEM-1”, “issued” : { “date-parts” : [ [ “2005” ] ] }, “publisher” : “Springer”, “title” : “Network analysis: methodological foundations”, “type” : “book”, “volume” : “3418” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=c3c008ec-da97-45d4-b521-29c8c53a57a1” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[26]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[26]در گروه اول جای دارند. الگوریتمهای افراز گراف و خوشه‌بندی سلسله مراتبی از این دسته‌اند.
2-3-1-1- افراز گراف در نظریه گراف و علوم کامپیوتر
مسئله افراز گرافADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0027-8424”, “author” : [ { “dropping-particle” : “”, “family” : “Girvan”, “given” : “Michelle”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Newman”, “given” : “Mark E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Proceedings of the National Academy of Sciences”, “id” : “ITEM-1”, “issue” : “12”, “issued” : { “date-parts” : [ [ “2002” ] ] }, “page” : “7821-7826”, “publisher” : “National Acad Sciences”, “title” : “Community structure in social and biological networks”, “type” : “article-journal”, “volume” : “99” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=929d0489-a0ed-44e3-842f-33a067ab71fc” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[21]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[21] شامل تقسیم رأسهای یک گراف در g گروه با اندازههای از پیش معلوم است به طوری که تعداد یالهای بین گروهها که اندازه برش نامیده می‌شود کمینه شود(شکل 2). این مسئله در راستای حل مسائلی همچون محاسبه موازیمطرح میشود. در اینجا هدف تخصیص پروسهها به پردازندههاست، به طوری که بار بر روی هر پردازنده به طور متعادل توزیع شود و از طرفی ارتباط بین پردازندهها که باعث کاهش سرعت اجرا می‌شود، کمینه شود. این مسئله NP-دشوار است و با الگوریتمهای مکاشفه‌ای که بهترین آنها الگوریتم Kernighan-Lin ADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “1538-7305”, “author” : [ { “dropping-particle” : “”, “family” : “Kernighan”, “given” : “Brian W”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Lin”, “given” : “Shen”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Bell sys– technical journal”, “id” : “ITEM-1”, “issue” : “2”, “issued” : { “date-parts” : [ [ “1970” ] ] }, “page” : “291-307”, “publisher” : “Wiley Online Library”, “title” : “An efficient heuristic procedure for partitioning graphs”, “type” : “article-journal”, “volume” : “49” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=4ed11a1d-564e-4791-820c-28b9deb660de” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[27]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[27] با زمان اجرای O(n3) است، قابل اجرا است.
به طور کلی پیدا کردن راه حل برای مسئله افراز گراف، چندان هم در تحلیل شبکهها سودمند نیست، زیرا در شبکهها، بر خلاف مسئله افراز گراف تعداد تشکلها مشخص نیست و لزومی هم بر هم اندازه بودن این تشکل‌ها وجود ندارد. از طرفی، نیازی به کمینه کردن ارتباط بین تشکل‌ها نیست، چرا که طبق انتظار، ارتباط بین تشکلهای بزرگ نسبت به ارتباط بین تشکلهای کوچک، بسیار بیشتر است. بنابراین، مسئله شناسایی تشکلها در شبکهها تفاوت اساسی با مسئله افراز گراف دارد.
امروزه، تا حدی مشکلات این روش با استفاده از الگوریتمهای طیفی که از بردارهای ویژه ماتریس شبکه استفاده می کنند حل شده استADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “author” : [ { “dropping-particle” : “”, “family” : “Newman”, “given” : “M E J”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Physical Review E”, “id” : “ITEM-1”, “issue” : “4”, “issued” : { “date-parts” : [ [ “2013” ] ] }, “page” : “42822”, “publisher” : “APS”, “title” : “Spectral methods for community detection and graph partitioning”, “type” : “article-journal”, “volume” : “88” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=4b34ebbd-8de2-4e32-a016-fe2dfac471f6” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[28]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[28].

شکل2-1- افراز گراف.خط قرمز نشان‌دهنده حل مسئله است که در آن رأسها به دو گروه با اندازههای یکسان
تقسیم شده و یالهای بین دو گروه، کمینه است.
راه حل بهتری که در این راستا ارائه می شود، روش های خوشه بندی سلسله مراتبی است.
2-3-1-2- خوشه‌بندی سلسله مراتبی
هدف این روشها شناسایی تقسیم‌بندی طبیعی شبکهها بر اساس معیار شباهت بین رأسها یا قدرت ارتباطات بین آنهاست. این روشها در دو دسته کلی توده‌ای و تقسیم شونده جای میگیرند.
روشهای خوشه‌بندی سلسله مراتبی توده‌ای: در این روشها، در ابتدا شباهت بین هر زوج رأس بر اساس یک معیار محاسبه‌شده و یالهای بین آنها به ترتیب از بیش‌ترین میزان شباهت به کمترین، به شبکه تهی اضافه میشوند. این روال می‌تواند در هر لحظه متوقف شود و اجزای حاصل، تشکلهای تشکیل‌شده تا آن لحظه هستند (شکل 3.ب). روشهای توده‌ای اغلب نمی‌توانند تشکلهای شبکه را به طور صحیح شناسایی کنند، در نتیجه قابل‌اعتماد نیستند. به علاوه با توجه به اینکه رأسهای موجود در تشکلها شباهت قوی تری نسبت به دیگر رأسها دارند، در مراحل اولیه به هم متصل شده و رأسهای مرزی کنار گذاشته میشوند. بنابراین این روش، نسبت به روشهای تقسیم شونده در شناسایی تشکل‌ها ضعیفتر عمل می‌کنند.
روشهای خوشه‌بندی سلسله مراتبی تقسیم شونده: این روشها با یک شبکه غیر تهی شروع کرده، یالهای مربوط به زوج رأسهایی که شباهت کمتری دارند به ترتیب حذف می‌شوند(شکل 3.الف). در روش ارائه‌شده توسط Grivan و Newmanیالهایی برای حذف انتخاب می‌شوند که معیار مابین بودن بیشتری داشته باشند. از مشکلات این روش میتوان به زمان اجرای بالای این روش اشاره کرد که O(n3) استADDIN CSL_CITATION { “citationI–s” : [ { “id” : “ITEM-1”, “i–Data” : { “ISSN” : “0028-0836”, “author” : [ { “dropping-particle” : “”, “family” : “Palla”, “given” : “Gergely”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Der\u00e9nyi”, “given” : “Imre”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Farkas”, “given” : “Ill\u00e9s”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” }, { “dropping-particle” : “”, “family” : “Vicsek”, “given” : “Tam\u00e1s”, “non-dropping-particle” : “”, “parse-names” : false, “suffix” : “” } ], “container-title” : “Nature”, “id” : “ITEM-1”, “issue” : “7043”, “issued” : { “date-parts” : [ [ “2005” ] ] }, “page” : “814-818”, “publisher” : “Nature Publishing Group”, “title” : “Uncovering the overlapping community structure of complex networks in nature and society”, “type” : “article-journal”, “volume” : “435” }, “uris” : [ “http://www.mendeley.com/documents/?uuid=55a7ca6c-8170-4a21-86da-d33efc4cc4d8” ] } ], “mendeley” : { “previouslyFormattedCitation” : “[29]” }, “properties” : { “noteIndex” : 0 }, “schema” : “https://github.com/citation-style-language/schema/raw/master/csl-citation.json” }[29].

الف) ب)
شکل 2-2- الف) خوشه‌بندی سلسله مراتبی. ب) خوشه‌بندی توده‌ایدایرههای پایین تصویر نماینده رأسهای گراف هستند.
خط نقطه چین در هر سطح، تشکل های آن سطح را نشان می دهد
2-3-1-3- الگوریتم Chen

-- (416)

-- (549)

-- (729)