صفحه نخست --> تحلیل شبکه های اجتماعی --> تئوری شبکه های اجتماعی یا شبکه های پیچیده پویا

تئوری شبکه های اجتماعی یا شبکه های پیچیده پویا

تئوری شبکه های اجتماعی:  در این بخش به شرح اولیه از مفاهیم موجود در شبکه های پیچیده و پویا یا به عبارتی شبکه‌های اجتماعی[۱] پرداخته می‌شود. مطالب این بخش برگرفته از کتاب راهنمای شبکه‌های اجتماعی نوشته فورت می‌باشد. جهت آشنایی با تئوری گراف اینجا کلیک کنید.

شبکه اجتماعی: شبکه اجتماعی یک گروه از افراد [۲]یا اشیاء [۳]هستند که با یکدیگر در حال همکاری[۴] یا رقابت[۵] می‌باشند. این تعاملات ممکن است با یک گراف ساده یا یک گراف چندگانه نشان داده شوند. هر یک از همکارها یا رقیبان با یک گره و همکاری‌ها یا رقابت‌های میان آن‌ها را با یال نشان می‌دهند. به همکارها یا رقیبان در اصطلاح بازیگران شبکه اجتماعی گفته می‌شود. این بازیگران می‌توانند یک شخص، سازمان، گروه، موجود زنده، بیماری و یا یک صفحه اینترنت باشند. در تئوری شبکه های اجتماعی هر واحدی که قابلیت اتصال به سایر واحدها را داشته باشد را می‌توان به نوعی شبکه اجتماعی در نظر گرفت.

تحلیل شبکه‌های اجتماعی: تحلیل شبکه‌های در تئوری شبکه های اجتماعی [۶]یک تئوری از علوم اجتماعی[۷] نمی‌باشد، بلکه یک رهیافت[۸] برای بررسی ساختارهای اجتماعی است. برای همین هم هست که در اغلب موارد به تحلیل شبکه‌های اجتماعی، تحلیل ساختاری[۹] نیز گفته می‌شود. مهم‌ترین تفاوت میان تحلیل شبکه‌های اجتماعی با روش‌های کلاسیک سنتی تحقیقات علوم اجتماعی این است که محتوای یک بازیگر اجتماعی یا رابطه میان بازیگران دغدغه اولی است، در حالی که تحقیقات علوم اجتماعی عمدتاً به ویژگی‌های افراد می‌پردازد. در حقیقت یک تحلیل‌گر شبکه اجتماعی به دنبال نحوه به وجود آمدن یک موجودیت و اتصال آن به یک شبکه اجتماعی می‌باشد. برخی از تحلیل‌گران شبکه اجتماعی معتقدند که موفقیت و شکست یک جامعه یا سازمان اغلب وابسته به الگوهای ساختاری است که آن‌ها در گراف شبکه اجتماعی به وجود می‌آورند.

با تاریخچه‌ای بالغ بر ۷۰ سال، تحلیل شبکه‌های اجتماعی یک موضوع بین رشته‌ای میان رشته‌هایی مثل جامعه شناسی[۱۰]، ریاضیات[۱۱] و علوم کامپیوتر[۱۲] می‌باشد که در علوم مختلف مثل جامعه شناسی، اقتصاد[۱۳]، علوم ارتباطی[۱۴] ، روانشناسی[۱۵]، فیزیک و کامپیوتر کاربرد دارد.

شبکه های پیچیده و پویا
شبکه های پیچیده و پویا

انواع شبکه‌های اجتماعی: انواع مختلفی از شبکه‌های اجتماعی وجود دارد که در ادامه بیان می‌شوند.

شبکه‌های یک مدی یا یک نمایی[۱۶]، دو نمایی[۱۷] و چند نمایی : در شبکه‌های یک نوعی ارتباطات میان یک نوع از بازیگران مورد بررسی قرار می‌گیرد. در حالی که در شبکه‌های دو نوعی، ارتباط میان دو دسته از بازیگران مختلف حائز اهمیت است. یک نمونه از شبکه‌های دو نوعی، ارتباط میان سازمان‌های انتفاعی با سازمان‌های غیر انتفاعی در جامعه را می‌توان نام برد.

شبکه‌های کامل[۱۸] در برابر شخصی[۱۹] و بخشی : شبکه‌های کامل یا Socio-centric شبکه‌هایی هستند که شامل ارتباطات میان اعضای یک جامعه محدود شده[۲۰] می‌باشند. برای مثال ارتباطات میان معلمان یک مدرسه نمونه‌ای از این نوع شبکه‌ها هستند. شبکه‌های شخصی، ارتباط میان یک بازیگر شبکه اجتماعی را با سایرین به اضافه ارتباط سایرین با یکدیگر از دیدگاه آن بازیگر را شبکه‌های شخصی می‌گویند. برای مثال اگر در یک مدرسه ارتباطات میان یک معلم با سایرین در خارج از مدرسه به اضافه ارتباط سایرین با یکدیگر از دیدگاه این معلم یک نمونه از شبکه‌های شخصی است. در شبکه های بخشی هم قسمتی از نودها و ارتباطات از گراف اصلی به منظور تحلیل انتخاب می شوند.

شبکه‌های اجتماعی برخط : شبکه‌های اجتماعی برخط[۲۱] شبکه‌هایی هستند که در دنیای اینترنت به صورت مجازی وجود دارند. از این دسته از شبکه‌ها می‌توان به شبکه‌ اجتماعی فیس‌بوک و تویتر نام برد. همچنین از شبکه‌های اجتماعی غیر یر خط می توان به ایمیل اشاره کرد.

شبکه‌های رسانه اجتماعی : شبکه‌های رسانه اجتماعی[۲۲] به شبکه‌هایی گفته می‌شود که در فضای اینترنت کاربران به ایجاد محتوای پرداخته و با سایرین نیز در ارتباط هستند. برای مثال سایت‌های اشتراک فیلم، فروم [۲۳]و وبلاگ‌ها از این نوع شبکه‌ها می‌باشند.

ارتباطات : ارتباطات[۲۴] یا لینک‌ها اتصال دهنده گره‌ها در گراف هستند. بسیاری از رفتارهای انسانی مثل اشتراک اطلاعات یا قرض دادن پول از نوع ارتباطات جهت‌دار می‌باشند؛ در حالی که عضویت مشترک [۲۵] از نوع بدون جهت است. روابط جهت‌دار ممکن است متقابل[۲۶] یا تنها در یک سمت سو باشند. هر دو نوع ارتباط جهت‌دار و بدون جهت را می‌توان به صورت دودویی به معنای وجود داشتن یا وجود نداشتن در نظر گرفت.

چگالی : یکی از مفاهیم پرکاربرد در تئوری شبکه‌های اجتماعی، چگالی به معنای میزان تراکم لینک‌های میان گره‌ها در گراف می‌باشد. گراف کامل[۲۷] گرافی است که در آن تمامی گره‌ها مجاور یکدیگر می‌باشند. چگالی یک گراف در حقیقت سنجش میزان کامل بودن آن گراف است. چگالی یک گراف از تقسیم تعداد یال‌های موجود در گراف بر تعداد یال‌های گراف کامل متناظر با گراف موجود است. طبق این تعریف، چگالی گراف کامل برابر با یک می‌باشد. برای نمایش آن از حرف D استفاده می شود. و مقدار آن از تقسیم ارتباط های واقعی موجود بر کل ارتباطات متصور بدست می آید.

چگالی
چگالی

 

مرکزیت [۲۸]: در تئوری شبکه های اجتماعی مشخص می‌کند که کدام بازیگر یا گره در شبکه بازیگر اصلی و تأثیرگذار در شبکه می‌باشد. برای تشخیص مرکزیت یک گره معیارهای بر اساس درجه، نزدیکی[۲۹] و میان‌گذری[۳۰] وجود دارد.

مرکزیت درجه: در این مرکزیت هر چقدر درجه‌ی یک گره بیشتر باشد، آن گره از اهمیت بیشتری برخوردار خواهد بود. در گراف‌های جهت‌دار هر چقدر درجه ورودی و خروجی یک گره بیشتر باشد، آن گره از حائز اهمیت‌تر خواهد بود. به گره‌های دارای درجه زیاد در گراف، قطب[۳۱] نیز گفته می‌شود.

D=1NiϵBDi

 

انواع مرکزیت
انواع مرکزیت

 

مرکزیت نزدیکی: در این معیار مرکزیت، گره ای که به سایر گره‌ها نزدیک‌تر باشد از اهمیت بیشتری برخوردار است. منظور از نزدیک‌تر بودن این است که فاصله کمتری داشته باشد. در گراف‌های چند موءلفه‌ای، برای هر موءلفه به صورت مجزا میزان مرکزیت از نوع نزدیکی محاسبه می‌شود.

مرکزیت میان‌گذری: گره‌ای که بر سر راه کوتاه‌ترین مسیر تعداد زیادتری از جفت گره‌ها در گراف باشد، با اهمیت‌تر خواهد بود.

Xi=1(N۱)(N۲)f,jϵGfj,fi,jiYfj(i)Yfj

مرکزیت ارزش: مثل بردار ویژه، پیج رنک گوگل، ضریب پول داران

 

انواع مرکزیت
انواع مرکزیت

 

کلیک: یک کلیک[۳۲] در یک گراف، زیرگرافی است که در آن هر گره‌ای به طور مستقیم به سایر گره‌ها در آن زیر گراف متصل است. به عبارت دیگر یک کلیک یک زیر گراف کامل است. مرتبه‌ی کلیک به تعداد گره‌های آن گفته می‌شود.

گراف عضویت: گرافی دو بخشی‌ای که در یک بخش افراد و در بخش دیگر سازمان‎ها یا گروه‌هایی که آن افراد در آن‌ها عضو می‎باشند، گراف عضویت [۳۳]گفته می‌شود.

گراف تصادفی: در ریاضیات گراف تصادفی[۳۴] گرافی است که به کمک یک پروسه تصادفی به وجود آمده است. یک گراف تصادفی با یک مجموعه  تایی از رئوس شروع شده و سپس به صورت تصادفی یک سری یال به آن‌ها اضافه می‌شود. مدل‌های مختلفی برای گراف تصادفی وجود دارد. یکی از معروف‌ترین این مدل‌ها، مدل اردوش-رنی[۳۵] است. در این مدل احتمال به وجود آمدن یال‌ها مستقل از سایر یال‌ها بوده و برابر با احتمال ثابت  است.

شبکه‌های پیچیده: در نظریه گراف یک شبکه پیچیده[۳۶] ، شبکه‌ای است که دارای ویژگی‌های ساختاری خاصی است که تنها در گراف‌های که مبتنی بر پدیده‌های طبیعی است رخ می‌دهد و در گراف‌هایی تصادفی این ویژگی‌ها را نمی‌توان مشاهده نمود. شبکه‌های پیچیده به نوعی طیف وسیع‌تری از شبکه‌ها را در بر می‌گیرند به طوری که شبکه‌های اجتماعی بیشتر شبکه‌های ارتباطی میان انسان‌ها را مورد بررسی قرار می‌دهند. شبکه‌های پیچیده علاوه بر این دسته از شبکه‌ها، شبکه‌هایی مثل شبکه ارتباط پروتئین‌ها با یکدیگر را نیز در بر می‌گیرند.

پدیده دنیای کوچک [۳۷]: در تئوری شبکه های اجتماعی یک نوع گراف است که در آن اکثر گره‌ها همسایه یکدیگر نمی‌باشند ولی اکثر گره‌ها با تعداد کمی گام (معمولاً به طور متوسط شش گام) قابل دسترس از سایر گره‌ها هستند. در حقیقت یک شبکه از نوع دنیای کوچک، شبکه‌ای است که فاصله  میان هر دو گره‌ای که به طور تصادفی در این گراف انتخاب شوند، متناسب با لگاریتم تعداد گره‌ها  آن شبکه است. در تعریف دیگر میانگین گام های اتصال دو گره در شبکه ها ۶ گام توصیف شده است.

 

پل: پل[۳۸] در نظریه گراف، یالی است که با حذف آن تعداد موءلفه‌های آن گراف افزایش یابد. به عبارت دیگر یالی که در هیچ دوری مشارکت نکند، پل نامیده می‌شود.

طبق پدیده دنیای کوچک در شبکه‌های اجتماعی، احتمال به وجود آمدن پل بسیار کم می‌باشد. بنابراین تعریف کمی غیر سخت‌گیرانه از پل وجود دارد که به آن پل محلی[۳۹] گفته می‌شود. پلی محلی، یالی است که نقاط پایانی آن هیچ همسایه مشترکی نداشته باشند. با حذف پل‌های محلی، فاصله میان برخی از گره‌ها در گراف، افزایش می‌یابد. اگر دو گره با یک یال از نوع پل محلی به یکدیگر متصل باشند، ارتباط میان آن‌ها را ضعیف [۴۰]می‌نامند.

شبکه‌های مقیاس آزاد: در شبکه‌های مقیاس آزاد[۴۱] ، نمودار توزیع درجه‌ی گره‌ها به صورت توزیع نمایی می‌باشد. در این شبکه‌ها با حذف تصادفی گره‌ها، باز ساختار شبکه به صورت مقیاس آزاد خواهد بود. در این شبکه تنها تعداد کمی گره با درجه بسیار زیاد وجود دارد که به آن‌ها قطب گفته می‌شود. با حذف قطب‌ها می‌توان به سرعت گراف را از هم گسیخته کرد. شبکه‌های اجتماعی از نوع شبکه‌های مقیاس آزاد می‌باشند.

 

جامعه: در مطالعه شبکه‌های پیچیده، یک شبکه دارای ساختار جامعه[۴۲] است اگر گره‌های آن شبکه بتوانند به راحتی (حتی به صورت هم‌پوشان[۴۳]) به یک دست گره طبقه‌بندی شوند به طوری که در هر دسته گره‌ها بسیار با یکدیگر در ارتباط باشند. اگر هدف پیدا کردن جوامع غیر هم‌پوشان[۴۴] باشد، باید بتوان شبکه را به دسته‌هایی طبقه‌بندی نمود که ارتباطات درون دسته‌ای بسیار زیاد و ارتباطات میان دسته‌ای بسیار خلوت [۴۵]باشد. این تعریف بر این اساس است که دو گره‌ای که درون یک دسته هستند، تمایل بیشتری دارند که با یکدیگر تا با سایر گره‌ها در سایر دسته‌ها در ارتباط باشند.

هاب: گره ای است که اتصال دهنده دو جامعه می باشد. معمولا با حذف گره های هاب ساختار شبکه دستخوشش تغییر می شود.

 

 

ماژولاریتی: معیاری است که برای بیان میران کیفیت یک جامعه استفاده میشود. برای نمایش آن از حرف Q استفاده می شود. در گراف های تصادفی معمولا مقدار آن به صفر میل می کند و در گراف های غیر تصادفی معمولا مقدار آن باید ۰٫۳ تا ۰٫۷ باشد. هر چه این عدد بزرگتر باشد کیفیت جامعه استخراج شده بهتر است.

Q=12αZϵP×j,DϵBi(Aijkikj2α)

ضریب خوشه بندی: ضریب تعداد سه تایی های به هم متصل در برابر کل سه تایی های متصور در گراف است. برای نمایش آن از حرف C استفاده می شود.

Ci=RiDi(Di۱)/۲

[۱] Social Networks

[۲] Individual

[۳] Entity

[۴] Collaborating

[۵] Competing

[۶] Social Networks Analysis (SNA)

[۷] Social Science

[۸] Approach

[۹] Structural Analysis

[۱۰] Sociology

[۱۱] Mathematics

[۱۲] Computer Science

[۱۳] Economics

[۱۴] Comunication Science

[۱۵] Psychology

[۱۶] One Mode

[۱۷] Two Mode

[۱۸] Complete/Whole

[۱۹] Ego

[۲۰] Bounded Community

[۲۱] Online Social Networks

[۲۲] Social Media Network

[۲۳] Forum

[۲۴] Ties

[۲۵] Co-membership

[۲۶] Reciprocal

[۲۷] Complete Graph

[۲۸] Centerality Measure

[۲۹] Closeness

[۳۰] Between-ness

[۳۱] Hub

[۳۲] Clique

[۳۳] Affilation Network

[۳۴] Random Graph

[۳۵] Erdős–Rényi model

[۳۶] Complex Network

[۳۷] Small world

[۳۸] Bridge

[۳۹] Local Bridge

[۴۰] Week Tie

[۴۱] Scale-free networks

[۴۲] Community

[۴۳] Overlapping

[۴۴] Non-overlapping

[۴۵] Sparse


آدرس کانال تلگرام ما:

t.me/bigdata_channel

آدرس کانال سروش ما:
https://sapp.ir/bigdata_channel

تئوری شبکه های اجتماعی

۵ نظرات

  1. ممنون میشم چگالی محلی رو هم توضیحی بدین. سپاس

  2. من دانشجوی سامانه های شبکه ای هستم و این مطالب پایه برام مفید بود

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *