উত্তর:
নং গ্রাফগুলিতে সম্প্রদায় সনাক্তকরণ , উদাহরণস্বরূপ সান্টো ফরচুনাটো দ্বারা সাম্প্রতিক এবং খুব ভাল জরিপের উদ্ধৃতি দিয়ে বলা হয়েছে , "সত্যিকারের নেটওয়ার্কগুলির এই বৈশিষ্ট্যটিকে সম্প্রদায় কাঠামো (গিরওয়ান এবং নিউম্যান, 2002) বা ক্লাস্টারিং বলা হয়"। সত্যই, পয়েন্টটি আরও ব্যাখ্যা করার সামান্য বিষয় রয়েছে। আমার অনুভূতি আছে যে প্রথমদিকে সামাজিক নেটওয়ার্ক বিশ্লেষণ শৈলীর কাগজপত্রগুলিতে নেটওয়ার্কগুলি সহজ (ওজনযুক্ত নয়) হয়ে থাকে, তবে এটি এমন কিছু নয় যা আমি তর্ক করতে চাই এবং এটি গুরুত্বপূর্ণও নয়। আপনার প্রশ্নের উত্তর নেই।
ইন নেটওয়ার্ক মধ্যে শনাক্তকারী কমিউনিটি কাঠামো একটি নির্দিষ্ট সমস্যা কম্পিউটার বিজ্ঞান প্রেক্ষাপটে সংজ্ঞায়িত হিসাবে, M.Newman সংজ্ঞায়িত গ্রাফ ক্লাস্টারিং।
আসুন কিছু গণনা বিবেচনা করুন, যা বেশ কয়েকটি সহজ ক্রিয়ায় বিভক্ত হতে পারে। এগুলি আমাদের নেটওয়ার্কে নোড হিসাবে প্রতিনিধিত্ব করা হয়। লিঙ্কগুলি অপারেশনগুলির মধ্যে নির্ভরতার সাথে সামঞ্জস্য করে, অর্থাৎ একটি অপারেশনের ফলাফলের জন্য অপরটির প্রয়োজন। সমান্তরাল প্রক্রিয়াকরণের উদ্দেশ্যে, সমস্যাটি বেশ কয়েকটি প্রসেসরের মাধ্যমে অপারেশন বিতরণ করে। অন্য কথায়, আমরা প্রতিটি নোড (অপারেশন) একটি নির্দিষ্ট শ্রেণিতে (প্রসেসর) বরাদ্দ করতে চাই, অর্থাৎ আমরা গ্রাফটি বিভাজন করতে চাই।
যদিও তিনটি বাধা আছে। প্রথমটি হ'ল সম্প্রদায়ের একটি পূর্বনির্ধারিত সংখ্যার প্রাপ্তি, কারণ প্রসেসরের সংখ্যা স্পষ্টতই আগে থেকেই জানা ছিল। দ্বিতীয়টি হ'ল ভারসাম্যপূর্ণ লোড পাওয়া: আমরা চাই প্রতিটি প্রসেসর মোটামুটি একই সংখ্যক অপারেশন করুক। গ্রাফের বিচারে আমরা সম্প্রদায়গুলিতে প্রায় একই সংখ্যক নোড থাকতে চাই। তৃতীয়টি হ'ল প্রসেসরের মধ্যে সর্বনিম্ন সম্ভাব্য যোগাযোগ পাওয়া, কারণ এটি প্রক্রিয়াটি ধীর করে দেয়। সুতরাং, গ্রাফের বিচারে আমরা সম্প্রদায়ের মধ্যে লিঙ্কের সংখ্যা হ্রাস করতে চাই।
সুতরাং, এই দৃষ্টিকোণ থেকে, সম্প্রদায় সনাক্তকরণ গ্রাফ ক্লাস্টারিংয়ের চেয়ে আরও সাধারণ সমস্যা হিসাবে বিবেচনা করা যেতে পারে। তৃতীয় সীমাবদ্ধতা উভয় সমস্যার জন্যই প্রয়োগ করা হয়, তবে সম্প্রদায়গুলির সংখ্যা এবং আকারগুলি সম্প্রদায় সনাক্তকরণের ক্ষেত্রে কোনও অগ্রাধিকার হিসাবে পরিচিত হয় না ।
এই দুটি পৃথক নাম বিজ্ঞানী বিভিন্ন সম্প্রদায় দ্বারা একই জিনিস দেওয়া হয়েছে, কেউ সামাজিক নেটওয়ার্কের প্রেরণার উপর জোর দিতে চান কিনা তার উপর নির্ভর করে। সম্ভবত কেউ ক্লাস্টারিং এবং সম্প্রদায় সনাক্তকরণকে বিভিন্ন জিনিস হিসাবে সংজ্ঞায়িত করছে, তবে তাদের মধ্যে একটির উপর পড়াশোনা করা বেশিরভাগ লোকেরা আপনাকে অন্য শব্দটি কেন ব্যবহার করছে না তা আপনাকে বলতে সক্ষম হবে না।
যদি একটি বড় নেটওয়ার্ক দুটি টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টানা দ্বিধা বিভক্ত হওয়া আপনাকে কী গ্যারান্টি দেয়? দুটি ক্লাস্টারের সংযোগ কম হওয়ার অর্থ এই নয় যে প্রতিটি ক্লাস্টারে একই ধরণের নোড থাকে বা নোডগুলির একই ধরণের সংযোগ থাকে (সুতরাং সম্প্রদায়)। সামাজিক নেটওয়ার্কের গ্রাফের কথা চিন্তা করুন। এখানে অবশ্যই প্রচুর সম্প্রদায় রয়েছে। এছাড়াও অ্যালগোরিদমগুলি গুচ্ছ করে আপনি এটিকে দুটি টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো করে রাখতে পারেন এই ক্ষেত্রে, আপনি কি প্রতিটি টুকরোটিকে একটি সম্প্রদায় বলবেন? ? আমার উত্তর না। কারণ, দুটি ক্লাস্টার দুটি ভৌগলিক অঞ্চলের লোক হতে পারে। এবং তারপরে সেগুলি অবশ্যই সম্প্রদায় নয়।
ক্লাস্টারিং অ্যালগরিদমগুলি ন্যূনতম কাটা বা নোড মিল বা সংযোগের মিল বা ঘন সংযোগ সম্পর্কে নয় about ক্লাস্টারিং অ্যালগরিদমে প্লাস্টারগুলিতে, ক্লাস্টারের সংখ্যা পূর্বনির্ধারিত হওয়া উচিত।
সম্প্রদায় সনাক্তকরণ অ্যালগরিদমগুলি, তারা ঘনত্ব সম্পর্কে যত্নশীল, তারা নেটওয়ার্কের ঘনত্বের অংশটি খুঁজে পায় এবং এই ধরণের অ্যালগোরিদমগুলি (আমি এখনও অবধি দেখেছি) সম্প্রদায়ের সংখ্যার পূর্বনির্ধারণ করার প্রয়োজন নেই।
তবে ক্লাস্টারিং অ্যালগরিদম সম্প্রদায়ের সন্ধানের জন্য ব্যবহার করা যেতে পারে, তবে এটি যেহেতু গ্যারান্টি দেয় না যে প্রতিটি ক্লাস্টারে একটি ভাল সম্প্রদায় কাঠামো রয়েছে, তাই প্রতিটি ক্লাস্টারটি যত্ন সহকারে পরীক্ষা করা উচিত।
"ক্লাস্টারিংয়ের সমাধান করার জন্য এবং তদ্বিপরীত সমাধানের জন্য তুচ্ছভাবে সম্প্রদায় আবিষ্কার প্রয়োগ করতে পারে না their তাদের মিল থাকলেও পন্থাগুলিতে গুরুত্বপূর্ণ ডি re ইরেসেন্স রয়েছে Community সম্প্রদায় আবিষ্কার বিচ্ছিন্ন সংযোগ গ্রহণ করে, যখন ক্লাস্টারিং ঘন ডেটাসেটের সাথে কাজ করতে পারে; ক্লাস্টারিংয়ে আমরা সাধারণত একাধিক ধরণের বৈশিষ্ট্য নিয়ে কাজ করি; , সম্প্রদায় আবিষ্কার সাধারণত একটি একক বৈশিষ্ট্য প্রকার - প্রান্ত - প্রায়শ বাইনারি সম্পর্কিত ক্ষেত্রে অপ্রত্যাশিত নেটওয়ার্কগুলির ক্ষেত্রে কাজ করে "আরও তথ্যের জন্য নিম্নলিখিত কাগজটি পড়ুন:" রিচার্ডো গিডোটি এবং মিশেল কোসসিয়ার "সম্প্রদায়ের আবিষ্কার এবং ক্লাস্টারিংয়ের মধ্যে সমতা"