مركز (علم الشبكات)
في علم الشبكات ، يُعرف المركز بأنه عقدة ذات عدد روابط يتجاوز المتوسط بكثير. ويُعزى ظهور المراكز إلى خاصية التوزيع غير المقياسي للشبكات. [ 1 ] : 27 وبينما لا يمكن ملاحظة المراكز في الشبكات العشوائية، فمن المتوقع ظهورها في الشبكات غير المقياسية . ويرتبط ظهور المراكز في هذه الشبكات بتوزيع قانون القوة. وللمراكز تأثير كبير على بنية الشبكة ، ويمكن العثور عليها في العديد من الشبكات الحقيقية، مثل الدماغ [ 2 ] أو الإنترنت .

المحور هو عنصر في الشبكة يتميز بعقدة ذات درجة عالية . تمتلك المحاور عددًا أكبر بكثير من الروابط مقارنةً بالعقد الأخرى في الشبكة. يكون عدد الروابط ( الدرجات ) للمحور في الشبكة غير المقياسية أعلى بكثير من عدد الروابط لأكبر عقدة في الشبكة العشوائية، مع الحفاظ على حجم الشبكة N ومتوسط الدرجة <k> ثابتين. يُعد وجود المحاور الفرق الأكبر بين الشبكات العشوائية والشبكات غير المقياسية. في الشبكات العشوائية، تكون الدرجة k متقاربة لجميع العقد؛ لذا لا يمكن للمحاور أن تظهر. أما في الشبكات غير المقياسية، فبعض العقد (المحاور) تمتلك درجة k عالية ، بينما تمتلك العقد الأخرى عددًا قليلًا من الروابط.
الظهور

يمكن تفسير ظهور المراكز المحورية بالفرق بين الشبكات غير المقياسية والشبكات العشوائية. تختلف الشبكات غير المقياسية ( نموذج باراباسي-ألبرت ) عن الشبكات العشوائية ( نموذج إردوش-ريني ) في جانبين: (أ) النمو، (ب) الارتباط التفضيلي. [ 3 ]
- (أ) تفترض الشبكات غير المقياسية نموًا مستمرًا في عدد العقد N ، مقارنةً بالشبكات العشوائية التي تفترض عددًا ثابتًا من العقد. في الشبكات غير المقياسية، ترتفع درجة أكبر عقدة محورية بشكل متعدد الحدود مع حجم الشبكة. لذلك، يمكن أن تكون درجة العقدة المحورية عالية في الشبكة غير المقياسية. أما في الشبكات العشوائية، فترتفع درجة أكبر عقدة بشكل لوغاريتمي (أو أبطأ) مع N، وبالتالي سيكون عدد العقد المحورية صغيرًا حتى في الشبكات الكبيرة جدًا.
- (ب) تميل العقدة الجديدة في الشبكة غير المتجانسة إلى الارتباط بعقدة ذات درجة أعلى، مقارنةً بالعقدة الجديدة في الشبكة العشوائية التي ترتبط بعقدة عشوائية. تُسمى هذه العملية بالارتباط التفضيلي . يتميز ميل العقدة الجديدة للارتباط بعقدة ذات درجة عالية (k) بتوزيع قانون القوة (المعروف أيضًا بعملية "الغني يزداد غنى"). طرح فيلفريدو باريتو هذه الفكرة ، وهي تفسر سبب حصول نسبة صغيرة من السكان على معظم المال. توجد هذه العملية في الشبكات أيضًا، فعلى سبيل المثال، تشير 80% من روابط الويب إلى 15% من صفحات الويب. لا يقتصر ظهور الشبكات غير المتجانسة على الشبكات التي أنشأها الإنسان فحسب، بل يشمل أيضًا شبكات مثل الشبكات الأيضية أو شبكات الأمراض. [ 1 ] : 8 يمكن تفسير هذه الظاهرة بمثال المراكز على شبكة الإنترنت العالمية مثل فيسبوك وجوجل . هذه الصفحات معروفة جدًا ، وبالتالي فإن ميل صفحات الويب الأخرى للإشارة إليها أعلى بكثير من ميلها للربط بصفحات ويب صغيرة عشوائية.
التفسير الرياضي لنموذج باراباسي-ألبرت :

تبدأ الشبكة بشبكة متصلة أولية منالعقد.
تُضاف العقد الجديدة إلى الشبكة واحدة تلو الأخرى. كل عقدة جديدة متصلة بـالعقد الموجودة باحتمالية تتناسب مع عدد الروابط التي تمتلكها هذه العقد بالفعل. وبصورة رسمية، فإن الاحتماليةأن العقدة الجديدة متصلة بالعقدةهو [ 3 ]
أيندرجة العقدةويتم حساب المجموع على جميع العقد الموجودة مسبقًا(أي أن المقام ينتج عنه ضعف عدد الحواف الحالية في الشبكة).
يرتبط ظهور المراكز في الشبكات أيضًا بالوقت. ففي الشبكات غير المتجانسة، تتمتع العقد التي ظهرت مبكرًا بفرصة أكبر لتصبح مركزًا مقارنةً بالعقد التي ظهرت لاحقًا. تُعرف هذه الظاهرة بميزة السبق، وهي تُفسر سبب تحول بعض العقد إلى مراكز دون غيرها. مع ذلك، في الشبكات الحقيقية، لا يُعد وقت الظهور العامل الوحيد المؤثر في حجم المركز. على سبيل المثال، ظهر فيسبوك بعد ثماني سنوات من تحول جوجل إلى أكبر مركز على شبكة الإنترنت العالمية، ومع ذلك أصبح فيسبوك أكبر مركز على شبكة الإنترنت العالمية في عام 2011. لذا، في الشبكات الحقيقية، يعتمد نمو المركز وحجمه أيضًا على سمات مختلفة مثل الشعبية والجودة وعمر العقدة.
صفات
توجد عدة سمات للمراكز في الشبكة غير القابلة للتوسع
تقصير أطوال المسارات في الشبكة
كلما زاد عدد المحاور المرئية في الشبكة، قلّصت المسافات بين العقد. في الشبكة غير المقياسية، تعمل المحاور كجسور بين العقد ذات الدرجة المنخفضة. [ 4 ] : 23 ونظرًا لصغر المسافة بين عقدتين عشوائيتين في الشبكة غير المقياسية، فإننا نصف هذه الشبكات بأنها "صغيرة" أو "صغيرة جدًا". في حين أن الفرق في مسافة المسار في شبكة صغيرة جدًا قد لا يكون ملحوظًا، إلا أن الفرق في مسافة المسار بين شبكة عشوائية كبيرة وشبكة غير مقياسية يكون جليًا.
متوسط طول المسار في الشبكات الخالية من المقاييس:
تقادم المحاور (العقد)
تُعرف هذه الظاهرة في الشبكات الحقيقية بظاهرة تهميش المراكز القديمة في الشبكة. وتُعزى إليها التغيرات في تطور الشبكات وبنيتها. [ 5 ] : 3 ومن أمثلة هذه الظاهرة، تفوق فيسبوك على جوجل (التي كانت أكبر مركز على الإنترنت منذ عام 2000) لتصبح بذلك أكبر مركز على الإنترنت.
درجة الارتباط
يعني الارتباط التام بين الدرجات أن كل عقدة من الدرجة k متصلة فقط بنفس العقد من الدرجة k. يحدد هذا الترابط بين العقد بنية الشبكات، مما يؤثر على متانتها، وهي السمة المذكورة سابقًا. إذا كان عدد الروابط بين المحاور مساويًا لما هو متوقع عشوائيًا، تُسمى هذه الشبكة بالشبكة المحايدة. أما إذا كانت المحاور تميل إلى الاتصال ببعضها البعض مع تجنب الاتصال بالعقد ذات الدرجات المنخفضة، فتُسمى هذه الشبكة بالشبكة التجميعية. تتميز هذه الشبكة بمقاومتها النسبية للهجمات، لأن المحاور تُشكل مجموعة أساسية، مما يجعلها أكثر مقاومةً لإزالة المحاور. أما إذا تجنبت المحاور الاتصال ببعضها البعض مع الاتصال بالعقد ذات الدرجات المنخفضة، فتُسمى هذه الشبكة بالشبكة التفكيكية. تتميز هذه الشبكة ببنية المحور والأطراف. لذلك، قد يؤدي إزالة المحور من هذا النوع من الشبكات إلى إتلاف الشبكة بأكملها أو تدميرها.
ظاهرة الانتشار
تُعدّ المحاور مسؤولةً أيضاً عن نشر المواد بفعالية على الشبكة. في تحليل انتشار الأمراض أو تدفق المعلومات، يُشار إلى المحاور باسم "الناشرين الفائقين". قد يكون للناشرين الفائقين تأثير إيجابي، مثل تدفق المعلومات الفعال، ولكن قد يكون لهم تأثير مدمر في حالة انتشار الأوبئة مثل إنفلونزا الخنازير (H1N1) أو الإيدز. قد تسمح لنا النماذج الرياضية، مثل نموذج التنبؤ بوباء إنفلونزا الخنازير [ 6 ]، بالتنبؤ بانتشار الأمراض بناءً على شبكات تنقل البشر، أو العدوى، أو التفاعلات الاجتماعية بين البشر. كما تُعدّ المحاور مهمةً في القضاء على الأمراض. في الشبكة غير المتجانسة، تكون المحاور هي الأكثر عرضةً للإصابة، نظراً لكثرة الاتصالات التي تربطها. بعد إصابة المحور، ينشر المرض إلى العقد المرتبطة به. لذلك، قد يكون التحصين الانتقائي للمحاور استراتيجيةً فعالةً من حيث التكلفة في القضاء على انتشار الأمراض.
مراجع
- 1 2 باراباسي، أ. ل. "نظرية الرسم البياني". علم الشبكات (ملف PDF) . مؤرشف من الأصل (ملف PDF) بتاريخ 2016-10-07.
- ↑ فان دن هوفيل، إم بي، وسبورنز ، أو (ديسمبر 2013). "مراكز الشبكة في الدماغ البشري". اتجاهات في العلوم المعرفية . 17 (12): 683-96 . doi : 10.1016/j.tics.2013.09.012 . PMID 24231140. S2CID 18644584 .
- 1 2 ألبرت ر ، باراباسي أ.ل. (2002). "الميكانيكا الإحصائية للشبكات المعقدة" (ملف PDF) . مراجعات الفيزياء الحديثة . 74 (1): 47-97 . arXiv : cond-mat/0106096 . Bibcode : 2002RvMP...74...47A . doi : 10.1103/RevModPhys.74.47 . S2CID 60545 .
- ↑ باراباسي، أ. ل. "خاصية عدم التناسب" (ملف PDF) . علم الشبكات . مؤرشف من الأصل (ملف PDF) بتاريخ 2016-10-07.
- ↑ باراباسي، أ. ل. "الشبكات المتطورة" (ملف PDF) . علم الشبكات . مؤرشف من الأصل (ملف PDF) بتاريخ 2016-10-07.
- ↑ بالكان د، هو هـ، غونسالفيس ب، باجاردي ب، بوليتو س، راماسكو ج ج، وآخرون . (سبتمبر 2009). "إمكانية انتقال العدوى الموسمية وذروة نشاط إنفلونزا A(H1N1) الجديدة: تحليل احتمالية مونت كارلو قائم على حركة البشر" . مجلة BMC للطب . 7 (45): 45. arXiv : 0909.2417 . doi : 10.1186/1741-7015-7-45 . PMC 2755471. PMID 19744314 .
- نظرية الشبكات
