کتاب تحلیل شبکه های اجتماعی

http://s8.picofile.com/file/8315446868/15.pdf.html

شبکه‌های اجتماعی آنلاین امروز مهد افکار عمومی و ارتباطات میان‌فردی است. افکار و ارتباطاتی که محققان را وسوسه می‌کند تا به دنبال تحلیل، پژوهش و بررسی آنها بروند. یکی از همین روش‌های پژوهش در شبکه‌ها و رسانه‌های اجتماعی، تحلیل شبکه‌های اجتماعی است. تحلیل شبکه‌های اجتماعی روش علمی است که روابط بین افراد یا سازمان‌ها را در شبکه‌های یا رسانه‌های اجتماعی بررسی و تحلیل می‌کند.

 دراین مجموعه دو پایه از هستی شناسی و روش شناسی است که تحلیل شبکه‌های اجتماعی را به مثابه محصولی مشترک از همگرایی جامعه‌شناسی، روان‌شناسی اجتماعی، مردم‌شناسی و ارتباطات اجتماعی در برابر علاقه‌مندان به مباحث شبکه‌های اجتماعی قرار می‌دهد. این همگرایی همچنین به ریاضیات و مقولات مرتبط با مهندسی شبکه نیز عمیقا وام‌دار است.

خواننده این اثر با مطالعه آن در سه مسیر مشخص با رویکردهای مفهومی تحلیل شبکه‌های اجتماعی، با ادبیات و نظریه‌های مربوط به تحلیل این شبکه‌ها و در نهایت با دو نرم افزار رایج در تحلیل این شبکه‌ها آشنا خواهد شد. وجه مهم دیگر کتاب تحلیل شبکه‌های اجتماعی –این است که عملا آمیزه‌ای از نظر و عمل است درعرصه شناسایی، اندازه‌گیری مولفه‌ها و کشف روابط و خصیصه‌های در هم تنیده شبکه‌های اجتماعی که در نهایت، تمایلات؛ موجودیت مشارکتی و الگوهای ارتباطی موجود در این شبکه‌ها را نیز به شیوه‌ای ساختمند و مبتنی بر متد به ترسیم می‌کشد.

 کتاب تحلیل شبکه‌های اجتماعی به مطالبی زیر می پردازد:

 «چیستی تحلیل شبکه‌های اجتماعی» درباره تاریخچه مفاهیم و کارکردهای تحلیل شبکه‌های اجتماعی بحث می‌کند.

 «مفاهیم و سنجه‌های شبکه‌‌های اجتماعی» خلاصه شده است و در آن سنجه‌ها یا همان فرمول‌های اجتماعی عمومی تحلیل شبکه‌های اجتماعی معرفی می‌شود.

«نظریه‌های تحلیل شبکه‌های اجتماعی» به رشته تحریر در آمده است و در آن نظریه‌های شبکه، شش‌درجه جدایی، جهان کوچک و گراف مرور شده است.

 «روش‌های نمونه‌گیری در تحلیل شبکه» پرداخت شده است تا محققان تکلیف خود را با نمونه و جامعه آماری تحلیل شبکه بدانند .

«تحلیل شبکه‌های اجتماعی با نود‌اکس‌ال و گفی» به آموزش و معرفی این دو نرم‌افزار می‌پردازد.

مقاله ای کامل در خصوص تشخیص جامع در گراف

مقاله ای کامل در خصوص  تشخیص جامع در گراف

http://s8.picofile.com/file/8315208184/0906_0612.pdf.html

در این مقاله  در ابتدا به علم مدرن شبکه ها می پردازیم  که  پیشرفتهای قابل توجهی در درک ما از سیستم های پیچیده ای به ارمغان آورده است. یکی از مهم ترین ویژگی های گراف ها هستند که  نشان دهنده خروجی سیستم های واقعی یا همان ساختار جامعه یا خوشه بندی است.

سازماندهی رأس ها در خوشه ها، با بسیاری از لبه ها در حال اتصال به رأس خوشه ای مشابه و لبه های نسبتا کمی که به رأس خوشه های مختلف پیوند دارند. چنین خوشه ها و یا جوامع می توانند به عنوان بخش های نسبتا مستقل یک گراف در نظر گرفته شوند و نقش مشابهی را بازی کنند.تشخیص جوامع از اهمیت زیادی در جامعه شناسی، زیست شناسی و علوم رایانه ای برخوردار است،تشخیص جمواع  بسیار دشوار است و هنوز به طور رضایتبخش حل نشده است، علی رغم تلاش بزرگ یک جامعه بزرگ بین رشته ای دانشمندان که در چند سال گذشته روی آن کار کرده اند.که در این مقاله  تعریف عناصر اصلی در تشخیص جوامع از جمله خوشه بندی و روشهای تشخیص دقت جوامع و مقایسه با یکدیگر مورد بحث و بررسی قرار میگیرد.

تحلیل خوشه ای چیست؟

تحلیل خوشه ای چیست؟

اصطلاح تحلیل خوشه ای (کلاستر) که اولین بار توسط تریون در سال 1939 استفاده شد، در بردارنده الگوریتم‌ها و روش‌هایی برای گروه‌بندی موردهای مشابه (شامل افراد، اشیاء، رویدادها و ...) درون طبقات مختلف می‌باشد. سؤالی که معمولاً محققان با آن روبرو می‌شوند این است که "چگونه داده‌های مشاهده شده را درون ساختاری بامعنی سازماندهی کنند؟". تحلیل کلاستر موارد را بر اساس میزان ارتباطشان دسته‌بندی می‌کند. بنابراین افراد یک کلاستر دارای بیشترین میزان ارتباط با یکدیگر و کمترین میزان ارتباط با اعضای دیگر کلاسترها می‌باشند. از آنچه گفته شد می‌توان فهمید که تحلیل کلاستر بدون آن‌که به تشریح چرایی وجود داده‌ها بپردازد، برای کشف ساختار داده‌ها بکار می‌رود.بنابراین تحلیل کلاستر ابزاری اکتشافی است که می‌تواند ارتباطات و ساختار بین داده‌ها را که قبلاً مشهود و محسوس نبودند را آشکار نماید.در این روش هیچ فرضی در مورد تعداد گروه‌ها یا ساختمان آن‌ها در نظر گرفته نمی‌شود. دسته‌بندی کردن بر اساس مشابهت‌ها و یا فواصل انجام می‌شود.

چرا تحلیل خوشه‌ای ارزشمند است؟

اما ممکن استگروه‌های غیرقابل انتظاری ایجاد کند که احتمالاً بیانگر روابط جدیدی خواهد بود و باید مورد بررسی دقیق‌تری قرار گیرند.

انواع تحلیل خوشه‌ای

1. تحلیل خوشه‌ای دو مرحله‌ای Two-Step Cluster Analysis))
2. تحلیل خوشه‌ای –KمیانگینK-Means Cluster Analysis))
3. تحلیل خوشه‌ای سلسله مراتبی(Hierarchical Cluster Analysis)

تحلیل خوشهای دو مرحله‌ای

این رویه (Procedure)، ابزاری اکتشافی است که برای آشکار نمودن گروه‌های (خوشه‌های) ذاتی و طبیعی موجود در مجموعه داده که به طور معمول دیده نمی‌شوند، طراحی شده است.

وجه تمایز الگوریتم موجود در این رویه با فنون سنتی خوشه‌بندی بصورت زیر بیان می شود: 

1. قابلیت خوشه‌بندی بر اساس متغیرهای گسسته (رسته‌ای) و پیوسته
2. انتخاب خودکار تعداد خوشه‌ها
3. قابلیت تحلیل کارآمد فایل داده‌های بسیار بزرگ

این روش برای پیدا کردن گروه‌های واقعی موجود در مشاهدات یا متغیرها بسیار مفید است. همزمان با متغیرهای پیوسته وگسسته به خوبی کار می‌کند. همچنینمی‌تواند فایل داده‌های بسیار بزرگ را تحلیل نماید.

تحلیل خوشه‌ای –Kمیانگین

این رویه محدود به متغیرهای قابل اندازه‌گیری (کمی) است. اما برای کار با داده‌های بزرگ مناسب است و امکان ذخیره‌سازی فاصله‌ها از مرکز خوشه را فراهم می‌نماید.

تحلیل خوشه‌ ای سلسله مراتبی

اگر تعداد مشاهدات کم باشد و انتخاب بین چندین روش مختلف سازماندهی خوشه‌ها، تبدیل متغیرها و اندازه‌گیری عدم شباهت بین خوشه‌ها مطرح باشد، معمولاً این رویه پیشنهاد می‌شود.

در روش خوشه‌بندی سلسله مراتبی، به خوشه‌های نهایی بر اساس میزان عمومیت آن‌ها  ساختاری سلسله‌ مراتبی، معمولاً به صورت درختی نسبت داده می‌شود. به این درخت سلسله مراتبی دندوگرام می‌گویند. روش‌های خوشه‌بندی بر اساس ساختار سلسله مراتبی تولیدی توسط آن‌ها معمولاً به دو دسته زیر تقسیم می‌شوند:

1. تقسیم کننده: در این روش ابتدا تمام داده‌ها به عنوان یک خوشه در نظر گرفته می‌شوند و سپس در طی یک فرایند تکراری در هر مرحله داده‌هاییکه شباهت کمتری به هم دارند به خوشه‌های مجزایی شکسته می‌شوند و این روال تا رسیدن به خوشه‌هایی که دارای یک عضو هستند ادامه پیدا می‌کند.

2. متراکم شونده: در این روش ابتدا هر داده‌ به عنوان خوشه‌ای مجزا در نظر گرفته می‌شود و در طی فرایندی تکراری در هر مرحله خوشه‌هایی که شباهت بیشتری با یکدیگر دارند، ترکیب می‌شوند تا در نهایت یک خوشه و یا تعداد مشخصی خوشه حاصل شود. از انواع الگوریتم‌های خوشه‌بندی سلسله مراتبی متراکم شونده رایج می‌‌توان از الگوریتم‌هایSingle Linkage، Average Linkage و Complete Linkage نام برد. تفاوت اصلی در بین تمام این روش‌ها به نحوه محاسبه شباهت بین خوشه‌ها مربوط می‌شود.