استاد راهنما: دکترفرزاد پرورش

چکیده: ﺷﻨﺎﺳﺎﯾﯽ ﺳﺎﺧﺘﺎر ﺟﺎﻣﻌﻪ ﻫﺎ در ﮔﺮاف ﻫﺎی ﻧﻤﺎﯾﻨﺪه ی ﺷﺒﮑﻪ ﻫﺎ ﮐﺎرﺑﺮدﻫﺎﯾﯽ در ﺟﺎﻣﻌﻪ ﺷﻨﺎﺳﯽ، زﯾﺴﺖ ﺷﻨﺎﺳﯽ و ﻋﻠﻮم ﮐﺎﻣﭙﯿﻮﺗﺮ دارد و ﻣﺴﺌﻠﻪ ای ﭼﺎﻟﺶ ﺑﺮاﻧﮕﯿﺰ اﺳﺖ. ﺑﺮرﺳﯽ ﺷﺒﮑﻪ ﻫﺎی ﭘﯿﭽﯿﺪه ﺑﻪ ﻃﻮر ﭼﺸﻢ ﮔﯿﺮی درک ﻣﺎ را از ﺳﺎﺧﺘﺎر ﺟﺎﻣﻌﻪ ﻫﺎ ﮐﻪ وﯾﮋﮔﯽ ﺑﺮﺟﺴﺘﻪ ای از ﮔﺮاف ﻫﺎی دﻧﯿﺎی واﻗﻌﯽ ﻫﺴﺘﻨﺪ را ﺑﻬﺒﻮد ﺑﺨﺸﯿﺪه اﺳﺖ. ﺑﺎوﺟﻮد ﮐﻮﺷﺶ ﻫﺎی ﺟﺎﻣﻌﻪ ﻋﻠﻤﯽ ﺑﯿﻦ رﺷﺘﻪ ای، ﻫﻨﻮز راه ﺣﻞ رﺿﺎﯾﺖ ﺑﺨﺸﯽ ﺑﺮای اﯾﻦ ﻣﺴﺌﻠﻪ ﺑﻪ دﺳﺖ ﻧﯿﺎﻣﺪه اﺳﺖ. ﻣﺪل ﺑﻠﻮﮐﯽ ﺗﺼﺎدﻓﯽ ﮐﻪ ﺑﻪ ﻋﻨﻮان ﻣﺪل ﺗﻘﺴﯿﻢ ﺑﻨﺪی ﮐﺎﺷﺘﻪ ﺷﺪه ﻧﯿﺰ ﺷﻨﺎﺧﺘﻪ ﻣﯽ ﺷﻮد، درواﻗﻊ ﺑﻪ ﻋﻨﻮان ﯾﮏ ﻣﺪل ﮔﺮاف ﺗﺼﺎدﻓﯽ اﺳﺘﺎﻧﺪارد ﺑﺮای ﺑﺮرﺳﯽ ﺧﻮﺷﻪ ﺑﻨﺪی و ﺷﻨﺎﺳﺎﯾﯽ ﺟﺎﻣﻌﻪ ﻫﺎ در داده ﻫﺎی ﺳﺎﺧﺘﺎرﯾﺎﻓﺘﻪ ﺷﺒﮑﻪ ای در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﯽ ﺷﻮد. اﯾﻦ ﭘﺎﯾﺎن ﻧﺎﻣﻪ ﺑﻪ ﺑﺮرﺳﯽ ﻣﺴﺌﻠﻪ ﺑﻬﺒﻮد ﺑﺎزﯾﺎﺑﯽ دﻗﯿﻖ ﺟﺎﻣﻌﻪ ﻫﺎی ﺷﺒﮑﻪ ﺑﻪ ﮐﻤﮏ اﻃﻼﻋﺎت ﺣﺎﺷﯿﻪ ای در ﻣﺪل ﺑﻠﻮﮐﯽ ﺗﺼﺎدﻓﯽ ﺑﺪون ﻣﻌﻠﻮم ﺑﻮدن ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺪل ﻣﯽ ﭘﺮدازد. اﯾﻦ ﻣﺴﺌﻠﻪ درﺑﺮﮔﯿﺮﻧﺪه ﺧﻮﺷﻪ ﺑﻨﺪی و آﺷﮑﺎر ﺳﺎﺧﺘﻦ ﮔﺮوه ﻫﺎﯾﯽ از ﮔﺮه ﻫﺎ ﺑﺎ ﯾﺎل ﻫﺎی داﺧﻠﯽ ﺑﺎ ﭼﮕﺎﻟﯽ ﺑﯿﺸﺘﺮ از ﭼﮕﺎﻟﯽ ﯾﺎل ﻫﺎی ﺧﺎرﺟﯽ در ﺗﺤﻠﯿﻞ ﺷﺒﮑﻪ ﻫﺎی ﭘﯿﭽﯿﺪه اﺳﺖ. ﺳﯿﺴﺘﻢ ﻫﺎی دﻧﯿﺎی واﻗﻌﯽ ﻣﺎﻧﻨﺪ ﺷﺒﮑﻪ ﻫﺎی اﺟﺘﻤﺎﻋﯽ، ﺷﺒﮑﻪ ﻫﺎی زﯾﺴﺘﯽ و ﺷﺒﮑﻪ ﻫﺎی ﻓﻨﺎوری، ﺳﺎﺧﺘﺎرﻫﺎ و ﺗﻌﺎﻣﻼت ﭘﯿﭽﯿﺪه ای را ﺑﻪ ﻧﻤﺎﯾﺶ ﻣﯽ ﮔﺬارﻧﺪ. اﯾﻦ ﺳﯿﺴﺘﻢ ﻫﺎ اﻏﻠﺐ ﻣﯽ ﺗﻮاﻧﻨﺪ ﺑﻪ ﻋﻨﻮان ﮔﺮاف ﻫﺎﯾﯽ ﻧﺸﺎن داده ﺷﻮﻧﺪ ﮐﻪ در آن رأس ﻫﺎ ﻧﻤﺎﯾﺎﻧﮕﺮ اﻓﺮاد و ﯾﺎل ﻫﺎ ﻧﻤﺎﯾﺎﻧﮕﺮ ﺗﻌﺎﻣﻼت ﻣﯿﺎن آن ﻫﺎ ﻫﺴﺘﻨﺪ. ﺷﻨﺎﺳﺎﯾﯽ ﺟﺎﻣﻌﻪ ﻫﺎ، ﺣﻮزه ای ﺗﺨﺼﺼﯽ از ﭘﮋوﻫﺶ اﺳﺖ و ﺑﺎ ﻫﺪف رﻣﺰﮔﺸﺎﯾﯽ ﺳﺎﺧﺘﺎرﻫﺎ و ﺗﻌﺎﻣﻼت ﭘﯿﭽﯿﺪه در اﯾﻦ ﮔﺮاف ﻫﺎ از ﻃﺮﯾﻖ ﺧﻮﺷﻪ ﺑﻨﺪی ﮔﺮه ﻫﺎ ﺑﺮ اﺳﺎس اﻃﻼﻋﺎت اراﺋﻪ ﺷﺪه ﺗﻮﺳﻂ ﮔﺮاف ﺑﺮرﺳﯽ ﻣﯽ ﺷﻮد. ﻫﻤﭽﻨﯿﻦ ﺧﻮﺷﻪ ﺑﻨﺪی ﻧﯿﻤﻪ ﻧﻈﺎرت ﺷﺪه ﺷﻨﺎﺳﺎﯾﯽ ﺟﺎﻣﻌﻪ ﺑﻪ ﮐﻤﮏ اﻃﻼﻋﺎت ﺣﺎﺷﯿﻪ ای ﻣﻮﺟﻮد و ﺑﻪ ﮐﺎرﮔﯿﺮی ﻣﺪل ﻫﺎی ﻣﻮﻟﺪ ﻣﺎﻧﻨﺪ ﻣﺪل ﺑﻠﻮﮐﯽ ﺗﺼﺎدﻓﯽ ﺻﻮرت ﻣﯽ ﮔﯿﺮد ﮐﻪ

ﻣﯽ ﺗﻮاﻧﺪ ﺑﻪ ﺑﻬﺒﻮد ﮐﺎراﯾﯽ اﻟﮕﻮرﯾﺘﻤﯽ و راه ﺣﻞ ﻫﺎی ﻋﻤﻠﯽ ﻣﻨﺠﺮ ﺷﻮد.