‫ﻓﺎز دوم ﭘﺮوژه ﭘﺎﻳﺎﻧﻲ درس دادهﻛﺎوي‬
‫ﻣﺼﻮرﺳﺎزي و ﻣﺤﺎﺳﺒﻪ وﻳﮋﮔﻲﻫﺎ‬
‫ﻫﻤﺎنﻃﻮر ﻛﻪ ﻣﻲداﻧﻴﺪ در دادهﻛﺎوي ﭘﻴﺶ از اﺳﺘﺨﺮاج وﻳﮋﮔﻲ و ﻳﺎدﮔﻴﺮي ﻣﺪل‪ ،‬ﺑﻬﺘﺮ اﺳﺖ ﺑﺎ اﺳﺘﻔﺎده از ﺗﻜﻨﻴﻚ‪-‬‬
‫ﻫﺎي ﻣﺼﻮرﺳﺎزي داده‪ ،‬ﻣﺠﻤﻮﻋﻪ داده را ﺑﻬﺘﺮ ﺑﺸﻨﺎﺳﻴﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ در اﻳﻦ ﻣﺮﺣﻠﻪ از ﺷﻤﺎ اﻧﺘﻈﺎر ﻣﻲرود ﺗﺎ ﻣﺠﻤﻮﻋﻪ‬
‫داده ﭘﻴﺶﭘﺮدازش ﺷﺪه را ﺗﺤﻠﻴﻞ ﻛﻨﻴﺪ‪.‬دﻗﺖ ﻛﻨﻴﺪ ﻛﻴﻔﻴﺖ اﻳﻦ ﮔﺰارش ﻣﻬﻢ اﺳﺖ ﻧﻪ ﺗﻌﺪاد ﻧﻤﻮدارﻫﺎي ﻛﺸﻴﺪه‬
‫ﺷﺪه‪ .‬ﺑﺎﻳﺪ ﻧﻤﻮدارﻫﺎي ﻛﺸﻴﺪه ﺷﺪه ﻣﻌﻨﻲدار ﺑﺎﺷﻨﺪ و ﺑﻪ دﻗﺖ ﺗﺤﻠﻴﻞ ﺷﻮﻧﺪ‪.‬‬
‫ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﺷﺒﻜﻪﻫﺎي اﺟﺘﻤﺎﻋﻲ وﻳﮋﮔﻲﻫﺎ و ﻣﻌﻴﺎرﻫﺎي ﻣﺘﻨﻮﻋﻲ اراﺋﻪ ﺷﺪه اﺳﺖ‪ .‬در اﻳﻦ ﺑﺨﺶ ﺑﺎﻳﺪ وﻳﮋﮔﻲﻫﺎﻳﻲ‬
‫ﻛﻪ در اداﻣﻪ ﻣﻌﺮﻓﻲ ﻣﻲﺷﻮﻧﺪ را ﺑﺮاي ﺗﻤﺎم ﺷﺒﻜﻪﻫﺎﻳﻲ ﻛﻪ ﺗﻮﻟﻴﺪ ﻛﺮدهاﻳﺪ ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪ .‬ﻣﻤﻜﻦ اﺳﺖ وﻳﮋﮔﻲﻫﺎي‬
‫ﻣﻮرد ﻧﻈﺮ ﺑﺮاي ﺷﺒﻜﻪﻫﺎي ﺑﺪون وزن ﺗﻌﺮﻳﻒ ﺷﺪه ﺑﺎﺷﻨﺪ‪ ،‬ﺑﻨﺎﺑﺮاﻳﻦ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ آن وﻳﮋﮔﻲﻫﺎ ﺑﺎﻳﺪ ﺷﺒﻜﻪﻫﺎ را ﺑﻪ‬
‫ﺷﺒﻜﻪﻫﺎي ﺑﺪون وزن ﺗﺒﺪﻳﻞ ﻛﻨﻴﺪ‪ .‬ﺑﺮاي ﺗﺒﺪﻳﻞ ﺷﺒﻜﻪﻫﺎ ﺑﻪ ﺷﺒﻜﻪﻫﺎي ﺑﺪون وزن ﻛﺎﻓﻲ اﺳﺖ ﺳﺘﻮن وزن را ﺣﺬف‬
‫ﻛﻨﻴﺪ‪.‬ﺑﺮاي ﻣﺤﺎﺳﺒﻪ وﻳﮋﮔﻲﻫﺎي زﻳﺮ ﻣﻲﺗﻮاﻧﻴﺪ از ﻫﺮ اﺑﺰار ﻳﺎ زﺑﺎﻧﻲ اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .‬ﺑﻪ ﻋﻨﻮان ﻧﻤﻮﻧﻪ زﺑﺎن ‪ R‬ﻳﻚ زﺑﺎن‬
‫ﻗﺪرﺗﻤﻨﺪ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ وﻳﮋﮔﻲﻫﺎي ﺳﺎﺧﺘﺎري اﺳﺖ‪.‬‬
‫وﻳﮋﮔﻲﻫﺎي ﺳﺎﺧﺘﺎري ﻗﺎﺑﻞ ﻣﺤﺎﺳﺒﻪ ﺑﺮاي ﺷﺒﻜﻪﻫﺎي ﺗﻮﻟﻴﺪ ﺷﺪه‪:‬‬
‫‪ .1‬ﺑﻬﺮهوري ﺳﺮاﺳﺮي )‪:(Global Efficiency‬‬
‫اﻳﻦ ﻣﻌﻴﺎر ﻛﺎراﻳﻲ اﻧﺘﻘﺎل اﻃﻼﻋﺎت ﺑﻴﻦ ﻧﻮدﻫﺎي ﺷﺒﻜﻪ را اﻧﺪازه ﻣﻲﮔﻴﺮد و ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫‪1‬‬
‫‪1‬‬
‫‪1‬‬
‫ﻛﻪ در آن ‪ N‬ﻧﺸﺎندﻫﻨﺪه ﺗﻌﺪاد ﻧﻮدﻫﺎي ﺷﺒﻜﻪ و‬
‫ﻧﺸﺎندﻫﻨﺪه ﻓﺎﺻﻠﻪ ﺑﻴﻦ دو ﻧﻮد اﺳﺖ‪ .‬ﻓﺎﺻﻠﻪ ﺑﻴﻦ دو‬
‫ﻧﻮد ﻣﻲﺗﻮاﻧﺪ وزندار ﺗﻌﺮﻳﻒ ﺷﻮد‪ .‬ﺑﺮاي ﺣﺎﻟﺖ ﺑﺪون وزن ﻓﺎﺻﻠﻪ ﺑﻴﻦ دو ﻧﻮد ﺗﻌﺪاد ﻳﺎلﻫﺎي ﻣﻮﺟﻮد در‬
‫ﻛﻮﺗﺎهﺗﺮﻳﻦ ﻣﺴﻴﺮ ﺑﻴﻦ آنﻫﺎ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪ .‬اﻣﺎ در ﺷﺒﻜﻪﻫﺎي وزندار ﻣﻲﺗﻮان وزن را ﻧﻴﺰ در ﻣﺤﺎﺳﺒﻪ‬
‫ﻓﺎﺻﻠﻪ در ﻧﻈﺮ ﮔﺮﻓﺖ‪ .‬ﻓﺎﺻﻠﻪ در ﺣﺎﻟﺖ وزندار ﻣﺠﻤﻮع ﻣﻌﻜﻮس وزن ﻳﺎلﻫﺎ در ﻛﻮﺗﺎهﺗﺮﻳﻦ ﻣﺴﻴﺮ ﺑﻴﻦ دو‬
‫ﻧﻮد اﺳﺖ‪ .‬از ﺷﻤﺎ اﻧﺘﻈﺎر ﻣﻲرود ﻛﻪ ﻫﺮ دو ﺣﺎﻟﺖ وزندار و ﺑﺪون وزن اﻳﻦ وﻳﮋﮔﻲ را ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪.‬‬
‫‪ .2‬آﺳﻴﺐﭘﺬﻳﺮي ﺷﺒﻜﻪ )‪:(Network Vulnerability‬‬
‫آﺳﻴﺐﭘﺬﻳﺮي ﺟﺰء وﻳﮋﮔﻲﻫﺎﻳﻲ اﺳﺖ ﻛﻪ ﺑﺮاي ﻫﺮ رأس ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪ .‬آﺳﻴﺐﭘﺬﻳﺮي ﻳﻚ رأس ﺑﺮاﺑﺮ ﺑﺎ‬
‫ﻣﻴﺰان ﻛﺎﻫﺶ ﻛﺎراﻳﻲ اﺳﺖ ﻛﻪ ﺑﺎ ﺣﺬف آن رأس و ﺗﻤﺎم ﻳﺎلﻫﺎﻳﺶ ﺑﻪ وﺟﻮد ﻣﻲآﻳﺪ‪ .‬آﺳﻴﺐﭘﺬﻳﺮي ﻳﻚ‬
‫رأس ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫در آن ﻧﺸﺎندﻫﻨﺪه ﻛﺎراﻳﻲ ﺳﺮاﺳﺮي ﺷﺒﻜﻪ اﺳﺖ و‬
‫ﻛﻪ‬
‫ﺑﻴﺎﻧﮕﺮ ﻛﺎراﻳﻲ ﺳﺮاﺳﺮي ﺷﺒﻜﻪ ﺑﻌﺪ از ﺣﺬف‬
‫ﻧﻮد و ﻳﺎلﻫﺎي آن اﺳﺖ‪ .‬آﺳﻴﺐﭘﺬﻳﺮي ﺷﺒﻜﻪ ﻧﻴﺰ ﺑﺮاﺑﺮ ﺑﺎ ﺑﻴﺸﺘﺮﻳﻦ آﺳﻴﺐﭘﺬﻳﺮي رﺋﻮس آن اﺳﺖ‪:‬‬
‫‪ .3‬ﺿﺮاﻳﺐ ﺧﻮﺷﻪﺑﻨﺪي)‪ (Clustering Coefficient‬وزندار و ﺑﺪون وزن‪:‬‬
‫دو ﻧﻮع ﺿﺮﻳﺐ ﺧﻮﺷﻪﺑﻨﺪي ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪ .‬ﻳﻜﻲ از آنﻫﺎ ﺑﺮاي ﺷﺒﻜﻪﻫﺎي ﺑﺪون وزن و ﺑﺪون ﺟﻬﺖ‬
‫ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد ﻛﻪ ‪ transitivity‬ﻧﻴﺰ ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ .‬اﻳﻦ ﻣﻌﻴﺎر ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫‪3‬‬
‫∆‬
‫ﻛﻪ‬
‫∆‬
‫ﺗﻌﺪاد ﺳﻪﺗﺎﻳﻲﻫﺎي ﻣﺘﺼﻞ ﺷﺒﻜﻪ را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬اﻳﻦ ﻣﻌﻴﺎر ﺑﺮاي‬
‫ﺗﻌﺪاد ﻣﺜﻠﺚﻫﺎي ﺷﺒﻜﻪ و‬
‫ﺷﺒﻜﻪﻫﺎي ﺟﻬﺖدار و وزندار ﻧﻴﺰ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد ﻛﻪ ﻫﺮ دو ﻣﻌﻴﺎر ﻣﻌﺮﻓﻲ ﺷﺪه ﺑﺎﻳﺪ ﺑﺮاي ﺷﺒﻜﻪﻫﺎ‬
‫ﻣﺤﺎﺳﺒﻪ ﺷﻮد‪.‬‬
‫‪ .4‬ﺿﺮﻳﺐ ﺣﻠﻘﻮي )‪:(Cyclic Coefficient‬‬
‫ﺿﺮﻳﺐ ﺣﻠﻘﻮي ﻣﺤﻠﻲ ﻧﻮد ﺑﺮاﺑﺮ ﺑﺎ ﻣﻴﺎﻧﮕﻴﻦ ﻣﻌﻜﻮس ﺳﺎﻳﺰﻫﺎي ﻛﻮﭼﻜﺘﺮﻳﻦ دورﻫﺎي ﻣﺘﺸﻜﻞ از ﻧﻮد و‬
‫ﻫﻤﺴﺎﻳﮕﺎﻧﺶ اﺳﺖ ﻛﻪ ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫‪2‬‬
‫‪1‬‬
‫‪,‬‬
‫‪1‬‬
‫ﻛﻪ در آن ﺑﺮاﺑﺮ ﺑﺎ ﺗﻌﺪاد ﻫﻤﺴﺎﻳﻪﻫﺎي ﻧﻮد اﺳﺖ‪،‬‬
‫ﺷﺒﻜﻪ ﻣﻲﺑﺎﺷﺪ و‬
‫ﺑﻴﺎﻧﮕﺮ ﻳﻚ اﻟﻤﺎن از ﻣﺎﺗﺮﻳﺲ ﻣﺠﺎورت ﻧﻮدﻫﺎي‬
‫ﻧﺸﺎندﻫﻨﺪه اﻧﺪازه ﻛﻮﭼﻜﺘﺮﻳﻦ دورﻳﺎﺳﺖ ﻛﻪ از ﻧﻮدﻫﺎي ‪،‬‬
‫ﻛﻨﻴﺪ ﻛﻪ اﮔﺮ ﻧﻮدﻫﺎي و ﺑﻪ ﻫﻢ ﻣﺘﺼﻞ ﺑﺎﺷﻨﺪ ﻳﻚ ﻣﺜﻠﺚ ﺗﺸﻜﻴﻞ ﻣﻲﺷﻮد و ‪3‬‬
‫ﻫﻴﭻ دوري در ﺷﺒﻜﻪ ﻳﺎﻓﺖ ﻧﺸﻮد ﻛﻪ از آن ﺳﻪ ﻧﻮد ﺑﮕﺬرد آﻧﮕﺎه ∞‬
‫ﻛﻞ ﺷﺒﻜﻪ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‪:‬‬
‫‪1‬‬
‫و ﻣﻲﮔﺬرد‪ .‬دﻗﺖ‬
‫ﺧﻮاﻫﺪ ﺷﺪ و اﮔﺮ‬
‫ﻣﻲﺷﻮد‪ .‬ﺣﺎل ﺿﺮﻳﺐ ﺣﻠﻘﻮي‬
‫‪:Max (Rich-Club Coefficient) .5‬‬
‫در ﻣﺤﻴﻂﻫﺎي داﻧﺸﮕﺎﻫﻲ و ﭘﮋوﻫﺸﻲ‪ ،‬ﻣﺤﻘﻘﺎن ﻫﺮ ﺣﻮزه ﻋﻼﻗﻪﻣﻨﺪ ﺑﻪ ﻫﻤﻜﺎري ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻫﺴﺘﻨﺪ‪ .‬اﻳﻦ‬
‫ﺗﻤﺎﻳﻞ در ﺷﺒﻜﻪﻫﺎي دﻳﮕﺮ ﻫﻢ ﻣﺸﺎﻫﺪه ﺷﺪه اﺳﺖ و ‪hub‬ﻫﺎ ﺑﺎ ﻫﻢ ارﺗﺒﺎط ﻗﻮيﺗﺮي ﻧﺴﺒﺖ ﺑﻪ ﺑﺎﻗﻲ ﻧﻮدﻫﺎ‬
‫دارﻧﺪ‪ .‬اﻳﻦ ﻓﺮﺿﻴﻪ ﻣﻲﺗﻮاﻧﺪ ﻧﺸﺎندﻫﻨﺪه ‪club‬ﻫﺎي ﻣﻬﻢ در ﺷﺒﻜﻪﻫﺎي ﻣﻌﺘﺒﺮ ﺑﺎﺷﻨﺪ‪ .‬ﺑﺮاي ﻣﺤﺎﺳﺒﻪ اﻳﻦ‬
‫وﻳﮋﮔﻲ‪ ،‬ﺑﻪ اﻳﻦ ﻧﻜﺘﻪ ﺗﻮﺟﻪ ﻛﻨﻴﺪ ﻛﻪ ‪club‬ﻫﺎي ﻣﻬﻢ درﺟﻪ ‪ k‬در ﻳﻚ ﺷﺒﻜﻪ ﺷﺎﻣﻞ رﺋﻮﺳﻲ اﺳﺖ ﻛﻪ درﺟﻪ‬
‫آنﻫﺎ از ‪ k‬ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ‪:‬‬
‫|‬
‫ﻛﻪ‬
‫∈‬
‫ﻧﺸﺎندﻫﻨﺪه درﺟﻪ رأس اﺳﺖ‪ .‬ﺣﺎل ‪ Rich-Club Coefficient‬ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫‪1‬‬
‫∈‪,‬‬
‫‪1‬‬
‫| |‬
‫|‬
‫|‬
‫اﻳﻦ ﻣﻌﻴﺎر ﺑﺮاي ﺷﺒﻜﻪﻫﺎي وزندار ﻧﻴﺰ ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫‪∑,‬‬
‫∑‬
‫‬
‫در ﺷﺒﻜﻪ ارﺟﺎﻋﺎت ﻧﻮﻳﺴﻨﺪﮔﺎن ﺑﻴﺸﺘﺮﻳﻦ ﻣﻘﺪار ‪ Weighted Rich-Club Coefficient‬ﺑﺎ‬
‫‬
‫ﺑﻪ ﻋﻨﻮان ﻣﻌﻴﺎري ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﺷﺒﻜﻪﻫﺎ ﺑﻪ ﻛﺎر ﻣﻲرود‪:‬‬
‫‪max‬‬
‫‪ .6‬ﺑﻴﺸﺘﺮﻳﻦ درﺟﻪ ﻧﻮدﻫﺎ )‪(Maximum Degree‬‬
‫‬
‫‪ .7‬ﻣﻴﺎﻧﮕﻴﻦ درﺟﻪ ﻧﻮدﻫﺎ )‪(Average Degree‬‬
‫‬
‫‪ .8‬ﺗﻮزﻳﻊ ﻧﻮدﻫﺎي ﺑﺎ درﺟﻪ ﺑﺰرﮔﺘﺮ از ﻣﻴﺎﻧﮕﻴﻦ )‪:(More than Average Degree Distribution‬‬
‫ﺗﻮزﻳﻊ درﺟﻪ ﻧﻮدﻫﺎ ﺑﺎ‬
‫درﺟﻪ‬
‫ﻧﺸﺎن داده ﻣﻲﺷﻮد و ﻧﺸﺎندﻫﻨﺪه ﺑﺨﺸﻲ از ﺷﺒﻜﻪ اﺳﺖ ﻛﻪ ﻧﻮدﻫﺎي آن از‬
‫اﺳﺖ‪ .‬ﺑﺮاي ﻣﺤﺎﺳﺒﻪ وﻳﮋﮔﻴﺘﻮزﻳﻊ ﻧﻮدﻫﺎي ﺑﺎ درﺟﻪ ﺑﺰرﮔﺘﺮ از ﻣﻴﺎﻧﮕﻴﻦ ﺑﺨﺸﻲ از ﺷﺒﻜﻪ ﻛﻪ درﺟﻪ‬
‫ﻧﻮدﻫﺎي آن از ﻣﻴﺎﻧﮕﻴﻦ ﺑﻴﺸﺘﺮ اﺳﺖ را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ .‬اﻳﻦ ﻣﻌﻴﺎر ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫‬
‫‪ .9‬ﻣﻴﺎﻧﮕﻴﻦ ﻓﺎﺻﻠﻪ )‪:(Average Distance‬‬
‫‪,‬‬
‫اﻳﻦ ﻣﻌﻴﺎر ﻣﻴﺎﻧﮕﻴﻦ ﻓﺎﺻﻠﻪ ﺑﻴﻦ ﻧﻮدﻫﺎي ﺷﺒﻜﻪ اﺳﺖ‪ .‬ﻓﺮض ﻛﻨﻴﺪ‬
‫و‬
‫ﻳﺎلﻫﺎي ﺑﻴﻦ آنﻫﺎ در ﻛﻮﺗﺎهﺗﺮﻳﻦ ﻣﺴﻴﺮ ﺑﻴﻦ‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﻓﺎﺻﻠﻪ در ﻛﻞ ﺷﺒﻜﻪ ﺑﺎ‬
‫ﻓﺎﺻﻠﻪ ﺑﻴﻦ‬
‫اﺳﺖ‪ .‬ﻣﻴﺎﻧﮕﻴﻦ ﻓﺎﺻﻠﻪ ﺑﻴﻦ‬
‫و‬
‫ﺑﺎﺷﺪ ﻛﻪ ﺑﺮاﺑﺮ ﺑﺎ ﺗﻌﺪاد‬
‫و ﺗﻤﺎم ﻧﻮدﻫﺎي ﺷﺒﻜﻪ ﺑﺎ‬
‫و‬
‫ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫‪1‬‬
‫‪,‬‬
‫‪1‬‬
‫‪,‬‬
‫‬
‫‪1‬‬
‫‬
‫‬
‫‪,‬‬
‫‪ .10‬ﻗﻄﺮ )‪:(Diameter‬‬
‫ﺑﻴﺸﺘﺮﻳﻦ ﻓﺎﺻﻠﻪ ﺑﻴﻦ دو ﻧﻮد در ﻳﻚ ﺷﺒﻜﻪ ﻳﺎ ﮔﺮاف ﻗﻄﺮ ﺷﺒﻜﻪ ﻣﻲﺑﺎﺷﺪ ﻛﻪ ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫‪,‬‬
‫‬
‫‪,‬‬
‫‪ .11‬ﭼﮕﺎﻟﻲ )‪:(Density‬‬
‫ﭼﮕﺎﻟﻲ در ﺷﺒﻜﻪ ﻳﺎ ﮔﺮاف ﺗﻌﺪاد ﻳﺎلﻫﺎي ﮔﺮاف ﺗﻘﺴﻴﻢ ﺑﺮ ﺗﻌﺪاد ﻳﺎلﻫﺎي ﻣﻤﻜﻦ ﻣﻲﺑﺎﺷﺪ ﻛﻪ ﺑﻪ ﺻﻮرت زﻳﺮ‬
‫ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫| |‬
‫‪| | | | 1‬‬
‫‬
‫در ﻧﻬﺎﻳﺖ وﻳﮋﮔﻲﻫﺎﻳﻲ ﻛﻪ ﺑﺎﻳﺪ ﻣﺤﺎﺳﺒﻪ ﺷﻮﻧﺪ را در ﺟﺪول زﻳﺮ ﻣﺸﺎﻫﺪه ﻣﻲﻛﻨﻴﺪ‪.‬‬
‫‪Un-Weighted Global Efficiency‬‬
‫‪Weighted Global Efficiency‬‬
‫‪Network Vulnerability‬‬
‫‪Un-Weighted Clustering Coefficient‬‬
‫‪Weighted Clustering Coefficient‬‬
‫‪Cyclic Coefficient‬‬
‫)‪Max (Rich-Club Coefficient‬‬
‫‪Maximum Degree‬‬
‫‪Average Degree‬‬
‫‪More than Average Degree Distribution‬‬
‫‪Average Distance‬‬
‫‪ Diameter‬‬
‫‪ Density‬‬
‫‪ ‬در ﺻﻮرت ﻧﺎﻣﻔﻬﻮم ﺑﻮدن وﻳﮋﮔﻲﻫﺎ از اﻃﻼﻋﺎت ﻣﻮﺟﻮد در وب و ﻣﻘﺎﻟﻪﻫﺎ اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪ .‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ‬
‫اﻏﻠﺐ اﻳﻦ وﻳﮋﮔﻲﻫﺎ در ‪package‬ﻫﺎي ‪ R‬ﻣﺎﻧﻨﺪ ‪ igraph‬ﻣﻮﺟﻮد اﺳﺖ‪ .‬اﻟﺒﺘﻪ اﺑﺰارﻫﺎ و زﺑﺎنﻫﺎي دﻳﮕﺮي ﻧﻴﺰ‬
‫وﺟﻮد دارد ﻛﻪ ﭘﻴﺸﻨﻬﺎد ﻣﻲﺷﻮد ﺑﺮرﺳﻲ آنﻫﺎ را در ﮔﺰارش ﺧﻮد ﺑﻴﺎورﻳﺪ‪.‬‬
‫‪ ‬در ﺻﻮرت ﻳﺎﻓﺘﻦ وﻳﮋﮔﻲﻫﺎي ﺳﺎﺧﺘﺎري ﻣﻨﺎﺳﺐ دﻳﮕﺮ ﺑﺮاي ارزﻳﺎﺑﻲ ﺷﺒﻜﻪﻫﺎي ارﺟﺎﻋﺎت ﻣﻘﺎﻻت‪ ،‬آنﻫﺎ را‬
‫ﻧﻴﺰ ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪) .‬اﻳﻦ ﺑﺨﺶ ﺷﺎﻣﻞ ﻧﻤﺮه اﺿﺎﻓﻪ اﺳﺖ(‬
‫ورودي ﻓﺎز ‪:2‬‬
‫در اﻧﺘﻬﺎي ﻓﺎز ﻳﻚ‪ ،‬ﺑﻬﺘﺮﻳﻦ ﺧﺮوﺟﻲ ﺗﻮﻟﻴﺪ ﺷﺪه ﺗﻮﺳﻂ ﮔﺮوهﻫﺎ اﻧﺘﺨﺎب و ﺑﻪ ﺗﻤﺎم آنﻫﺎ ﺗﺤﻮﻳﻞ داده ﻣﻲﺷﻮد ﺗﺎ در‬
‫ﻓﺎز دوم ﺗﻤﺎم ﮔﺮوهﻫﺎ از ﻣﺠﻤﻮﻋﻪ دادهاي ﺻﺤﻴﺢ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ وﻳﮋﮔﻲﻫﺎ اﺳﺘﻔﺎده ﻛﻨﻨﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ ورودي ﻓﺎز دوم‬
‫‪ 7694‬ﻓﺎﻳﻞ ﻣﺘﻨﻲ ﻛﻪ ﻧﺸﺎندﻫﻨﺪه ﺷﺒﻜﻪﻫﺎ ﻫﺴﺘﻨﺪ ﻣﻲﺑﺎﺷﺪ‪ .‬اﻣﺎ ﺑﻪ ﻋﻠﺖ ﭘﻴﭽﻴﺪﮔﻲ ﻣﺤﺎﺳﺒﺎﺗﻲ وﻳﮋﮔﻲﻫﺎي ﻣﻌﺮﻓﻲ‬
‫ﺷﺪه اﻳﻦ ﺷﺒﻜﻪﻫﺎ ﺑﻴﻦ ﮔﺮوهﻫﺎ ﺗﻘﺴﻴﻢ ﻣﻲﺷﻮد‪.‬‬
‫ﺧﺮوﺟﻲ ﻓﺎز ‪:2‬‬
‫‪ .1‬ﺧﺮوﺟﻲ اﻳﻦ ﻓﺎز ﺟﺪوﻟﻲ اﺳﺖ ﻛﻪ ﻫﺮ رﻛﻮرد آن ﻣﻌﺮف ﻳﻚ ﺷﺒﻜﻪ و ﺳﺘﻮنﻫﺎي آن ﻧﺸﺎندﻫﻨﺪه ﻧﺎم‬
‫ﻛﻨﻔﺮاﻧﺲ‪/‬ﻣﺠﻠﻪ و وﻳﮋﮔﻲﻫﺎي ﺧﻮاﺳﺘﻪ ﺷﺪه ﻣﻲﺑﺎﺷﺪ‪ .‬ﻧﻤﻮﻧﻪاي از ﺧﺮوﺟﻲ ﻓﺎز دوم در ﺟﺪول زﻳﺮ ﻧﺸﺎن‬
‫داده ﺷﺪه اﺳﺖ‪.‬‬
‫‪0.3‬‬
‫‪0‬‬
‫‪0.25‬‬
‫‪0.22‬‬
‫‪0.2‬‬
‫‪0‬‬
‫‪0.42‬‬
‫‪0.13‬‬
‫‪0.7‬‬
‫‪0‬‬
‫‪0.84‬‬
‫‪0.67‬‬
‫‪0.9‬‬
‫‪0‬‬
‫‪0.74‬‬
‫‪0.65‬‬
‫‪0.1‬‬
‫‪0‬‬
‫‪0.23‬‬
‫‪0.43‬‬
‫‪0.6‬‬
‫‪0‬‬
‫‪0.45‬‬
‫‪0.41‬‬
‫‪0.1‬‬
‫‪0‬‬
‫‪0.15‬‬
‫‪0.21‬‬
‫‪0.2‬‬
‫‪0‬‬
‫‪0.24‬‬
‫‪0.28‬‬
‫‪0.8‬‬
‫‪0‬‬
‫‪0.87‬‬
‫‪0.77‬‬
‫‪0.35‬‬
‫‪0‬‬
‫‪0.33‬‬
‫‪0.40‬‬
‫‪0.11‬‬
‫‪0‬‬
‫‪0.41‬‬
‫‪0.42‬‬
‫‪0.5‬‬
‫‪0‬‬
‫‪0.45‬‬
‫‪0.6‬‬
‫‪Vid‬‬
‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫‪4‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪.‬‬
‫‪ .2‬ﺧﺮوﺟﻲﻫﺎي دﻳﮕﺮ اﻳﻦ ﻓﺎز ﻛﺪﻫﺎي زده ﺷﺪه‪ ،‬ﺟﺪولﻫﺎي ﻣﻬﻢ ﺳﺎﺧﺘﻪ ﺷﺪه و ﻣﺴﺘﻨﺪﺳﺎزي ﻣﺮاﺣﻞ اﻧﺠﺎم‬
‫ﭘﺮوژه اﺳﺖ ﻛﻪ در زﻣﺎن ﺗﺤﻮﻳﻞ ﺣﻀﻮري ﺑﻪ دﻗﺖ ﺗﺤﻮﻳﻞ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد‪.‬‬
‫ﭘﺲ از اﺗﻤﺎم اﻳﻦ ﻓﺎز ﺗﻌﺮﻳﻒ ﻓﺎز ﺑﻌﺪي در ﺳﺎﻳﺖ درس ﺑﺎرﮔﺬاري ﻣﻲﺷﻮد‪.‬‬