بررسی روش‌های تشخیص جامعه در شبکه‌های چندلایه نوشته Xinyu Huang

 مقدمه

تئوری شبکه ابزار مهمی برای توصیف و تحلیل سیستم های پیچیده در رشته های مختلف است. ساختارهای جامعه، که به عنوان گروه‌هایی از گره‌ها تعریف می‌شوند که نسبت به بقیه شبکه به‌طور متراکم‌تری به هم متصل هستند، به طور گسترده در بسیاری از سیستم‌های پیچیده دنیای واقعی، مانند جامعه‌شناسی، زیست‌شناسی، سیستم‌های حمل و نقل و غیره وجود دارند (نیومن 2018). کشف جوامع در این سیستم ها به یک رویکرد اولیه برای درک چگونگی ارتباط ساختار شبکه با رفتارهای سیستم تبدیل شده است. به عنوان یک تکنیک موثر برای آشکارسازی ساختارهای زیربنایی، تشخیص جامعه در بسیاری از سناریوها، مانند یافتن دوستان بالقوه در رسانه های اجتماعی (Zhuet al. 2017)، توصیه محصولات به کاربران (لی و ژانگ 2020)، تجزیه و تحلیل نظرات اجتماعی (وانگ و همکاران 2017) استفاده شده است. و غیره.

با عمیق تر شدن تحقیقات، محققان بیشتر و بیشتری متوجه می شوند که کشف ساده جوامع در یک شبکه برای تجزیه و تحلیل ساختارها و رفتارهای سیستم در برنامه های کاربردی واقعی کافی نیست. برخلاف ساختار جامعه در شبکه‌های تک لایه، جوامع در شبکه‌های چندلایه از گروهی از گره‌های به خوبی متصل در همه لایه‌ها تشکیل شده‌اند. به عنوان مثال، افراد در شبکه های اجتماعی ممکن است تعاملات مختلفی (به عنوان مثال ارسال ایمیل، شرکت در یک فعالیت مشابه) بین آنها داشته باشند (انصاری و همکاران 2011). در نتیجه، مطالعات مرسوم با یک مشکل اساسی در مورد نحوه استفاده از نماهای چندگانه شبکه مواجه می شوند (Papalexakis et al. 2013). همچنین سناریوهای مشابهی با نمادهای مرتبط مانند شبکه های چندگانه (Verbrugge 1979)، شبکه های چند سطحی (Wang et al. 2013)، شبکه شبکه ها (Gao et al. 2011)، شبکه های وابسته به هم (Buldyrev et al. 2010)، چند سطحی وجود دارد. شبکه های بعدی (Berlingerio et al. 2011c)، که به طور کلی می توانند به عنوان شبکه های چند لایه در نظر گرفته شوند (Kivelä et al. 2014). همانطور که اطلاعات تعامل بیشتر نشان می‌دهد، تشخیص جامعه در شبکه‌های چند لایه برای استفاده از روابط مختلف برای دستیابی به نتایج دقیق‌تر معرفی شده است (Liu et al. 2018).

دانلود کامل مقاله