شباهت(علم اینترنت)
 | این مقاله، شباهت(علم اینترنت)، اخیراً بهواسطهٔ فرایند ایجاد مقاله ایجاد شدهاست. بازبینیکننده در حال بستن درخواست است و این برچسب احتمالاً بهزودی برداشته میشود.
ابزارهای بازبینی: پیشبارگیری بحث اعلان به نگارنده |
خطای اسکریپتی: پودمان «AfC submission catcheck» وجود ندارد.
مشابهت در انالیز شبکه زمانی رخ میدهد که دو node ( عامل) (یا تعداد بیشتری ساختار دارای جزئیات)در یک کلاس معادل قرار بگیرند
به طور کلی ۳ رویکرد اساسی برای ساخت معیار های شباهت شبکه ای وجود دارد. معادل ساختاری , معادل خودکار و معادل معمولی سلسله مراتبی بین این ۳ مفهوم وجود دارد . هر دسته از معادل های ساختاری , معادل خودکار و معمولی هم هست. هر دسته از معادل های خودکار , معادل معمولی هم هست .تمام معادل های معمولی لزوما خودکار یا ساختاری نیستند
تجسم شباهت و فاصله[ویرایش]
خوشه بندی سلسه مراتبی[ویرایش]
خوشه‌بندی سلسله مراتبی گره‌ها بر اساس شباهت پروفایل پیوندهای آن‌ها با گره‌های دیگر، درخت یا دندروگرام پیوسته‌ای را ارائه میکند که درجه تشابه را بین موارد تجسم میکند - و میتواند برای یافتن کلاس‌های هم ارزی تقریبی استفاده شود.
ابزارهای قیاس بندی چند بعدی[ویرایش]
معمولا هدف ما در تحلیل هم ارزی اینه که کلاس ها یا دسته های هم ارزی رو شناسایی و تجسم کنیم. در انالیز دسته ای ما به طور ضمنی فرض میکنیم که شباهت یا فاصله بین مواردنشانگر یک بعد زیرین است. همچنین این امکان وجود دارد که چند جنبه یا بعد زیر شباهت های موارد وجود داشته باشد. عوامل یا اجزای انالیز میتونن به ارتباطات یا تفاوت های بین موارد اعمال بشن و در نهایت قیاس چند بعدی میتواند استفاده شود
MDS الگوهای شباهت یا عدم تشابه را در پروفایل های کراوات بین بازیگران (هنگامی که برای مجاورت یا فاصله اعمال می شود) به عنوان یک "نقشه" در فضای چند بعدی نشان می دهد. این نقشه به ما امکان میدهد ببینیم بازیگران چقدر «نزدیک» هستند، آیا در فضای چند بعدی «خوشه‌ای» می‌شوند و چقدر تنوع در هر بعد وجود دارد. [۱]
هم ارزی ساختاری[ویرایش]
دو راس از شبکه در صورتی معادل ساختاری اند که همسایه های مشترک زیادی داشته باشند.
هیچ عضوی نیست که دقیقا به اندازه عضو a گره داشته باشد.پس عضو a خودش به تنهایی یک کلاس است.چنین چیزی برای b , c, d, g برقرار است.هر کدام از این اعضا یک دسته منحصر به فرد یال به اعضای دیگر دارد. اما e و f در یک کلاس معادل ساختاری قرار میگیرند. هر کدام فقط یک یال دارد و ان یک ارتباط با b است.از انجایی که رئوس e و f دقیقا از یک الگوی یال بهره میبرند انها معادل ساختاری اند .این موضوع درباره I و h نیز صدق میکند
معادل خودکار[ویرایش]
دو راس به شرطی معادل خودکارند اگر امکان این وجود داشته باشد که تمامی رئوس دوباره نام گزاری شوند تا یک گراف ایزومورفیک تشکیل دهند که نام های u و v جا به جا شود. دو راس معادل خودکار دقیقا یک تعداد دارایی بدون نام دارند.
فرض کنید گراف زیر تشکیلات یک شرکت را نشان میدهد.راس a پایگاه مرکزی است. رئوس b و d و c مدیران هستند. رئوس ef hi کارمندان یک فروشگاه کوچک هستند و g یک کارمند تنها در یک فروشگاه دیگر است
با اینکه رئوس b و d معادل ساختاری نیستند اما با دید دیگری نگاه کنیم معادل هستند.هر دوی b و d یک مدیر دارند. و هر کدام دو کارمند دارند. اگر ما ان ها را جا به جا کنیم و همچنین چهار کارمند را نیز جا به جا کنیم تمامی فواصل بین رئوس در شبکه بدون تغیر باقی میماند.
در حقیقت ۵ کلاس معادل خودکار وجود دارد {A}, {B, D}, {C}, {E, F, H, I}, و {G}
معادل معمولی[ویرایش]
دو راس به شرطی معادل معمولی هستند اگر به طور مساوی با سایرین معادل مرتبط باشند.به عبارت دیگر رئوس معادل معمولی رئوسی هستند که لزوما همسایه های مشترکی ندارند اما همسایه هایی دارند که خود ان ها شبیه هستند
اولی راس a است. دومی متشکل از سه راس b c d است. و سومی دربرگینده ۵ راس باقی مانده efghi است
همچنین ببینید[ویرایش]
- اندازه گیری شباهت
- بلاک مدلینگ
منابع[ویرایش]
- ↑ Hanneman, Robert A. and Mark Riddle. 2005. Introduction to social network methods. Riverside, CA: University of California, Riverside ( published in digital form at http://faculty.ucr.edu/~hanneman/ )
رده:هم‌ارزی رده:نظریه شبکه رده:علوم شبکه
This article "شباهت(علم اینترنت)" is from Wikipedia. The list of its authors can be seen in its historical and/or the page Edithistory:شباهت(علم اینترنت). Articles copied from Draft Namespace on Wikipedia could be seen on the Draft Namespace of Wikipedia and not main one.
