صادق سلیمانی

امروزه شناسایی پیوندهای ضعیف به دلیل بار اطلاعاتی بالایی که دارند، اهمیت زیادی پیدا کرده است. این پدیده به ویژه در شبکه‌های اجتماعی و تحقیقات اجتماعی توسعه یافته است. پیوندهای ضعیف اغلب به عنوان پل‌های ارتباطی بین گروه‌ها یا جوامع مختلف عمل می‌کنند. این ارتباطات ضعیف، فرصت‌های جدید شناختی و اجتماعی را فراهم می‌کنند که ممکن است به ایجاد ایده‌های نوآورانه، همکاری‌های پژوهشی یا حتی فرصت‌های شغلی منجر شود. در این پژوهش، ما با ترکیب دو حوزه علمی، یعنی تشخیص جوامع و پیش‌بینی پیوند به شناسایی پیوندهای پراهمیت در شبکه‌های بزرگ و کوچک از پایگاه‌داده networkrepository پرداخته ایم. برای روش تشخیص جوامع از روش خوشه‌بندی قله تراکم استفاده می‌کنیم که از مزایای خودکار بودن در تعیین تعداد خوشه‌ها و مستقل بودن از اندازه و شکل خوشه‌ها بهره می‌برد. یکی از چالش‌های استفاده از این روش برای تشخیص اجتماعات این است که ورودی به صورت ماتریس فاصله است، در حالی‌که در شبکه ورودی به صورت ماتریس مجاورت است. با این حال، با بهره‌گیری از کارهای پیشین انجام شده در این زمینه، ما به موفقیت در حل این چالش دست یافتیم. پس از انجام خوشه‌بندی بر روی شبکه مورد نظر، پیوندهای بین خوشه‌ها به عنوان پیوندهای ضعیف معرفی می‌شوند. سپس، برای مرتب‌سازی پیوندهای ضعیف از پراهمیت‌ترین تا کم‌اهمیت‌ترین، از پیشگویی پیوند معکوس برای امتیازدهی استفاده می‌کنیم. در پایان، با استفاده از معیار ماژولاریتی، به ارزیابی تشخیص جوامع روش خود نسبت به یک روش رقیب پرداختیم. نتایج نشان دادند که در اکثر مجموعه‌داده‌ها، روش ما برتری داشته است. سپس، با بهره‌گیری از معیار Efficiency، به بررسی اهمیت پیوندهای ضعیف شناسایی شده در این پژوهش و کارهای قبلی پرداختیم. نتایج نشان داد که در شبکه‌های کوچک، روش ما همواره برتری داشته ولی در شبکه‌های بزرگ، گاهاً در یک مورد ممکن است به علت خصوصیات خاص شبکه، مغلوب روش رقیب شویم.