Сильные и слабые связи в научно-образовательном вебе

Main Article Content

Андрей Анатольевич Печников

Аннотация

Веб-граф является наиболее популярной моделью фрагментов реального Веба, применяемой в науке о Вебе. Исследование сообществ в веб-графе способствует лучшему пониманию организации фрагмента Веба и процессов, происходящих в нём. Предложено выделить в веб-графе коммуникационный граф, содержащий только те вершины (и дуги между ними), которые имеют встречные дуги, и в нём исследовать задачу разбиения на сообщества. По аналогии с социальными исследованиями связи, реализуемые через ребра в коммуникационном графе, предложено называть «сильными», а все остальные – «слабыми». На сильных связях строятся тематические сообщества, имеющие содержательную интерпретацию. В то же время слабые связи способствуют коммуникациям между сайтами, не имеющими общих признаков по сфере деятельности, географии, подчиненности и т. д., и в основном сохраняют связность фрагментов Веба даже при отсутствии сильных связей. Эксперименты, проведенные для фрагмента научно-образовательного Веба России, показали возможность содержательной интерпретации полученных результатов и перспективность такого подхода.

Article Details

Как цитировать
Печников, А. А. (2020). Сильные и слабые связи в научно-образовательном вебе. Электронные библиотеки, 23(3), 526-542. https://doi.org/10.26907/1562-5419-2020-23-3-526-542
Биография автора

Андрей Анатольевич Печников

Главный научный сотрудник Института прикладных математических исследований — обособленное подразделение ФИЦ «Карельский научный центр Российской академии наук». Сфера научных интересов – математическое моделирование, дискретная оптимизация, вебометрика.

Библиографические ссылки

Newman M.E.J. The structure of scientific collaboration networks // Proceedings of the National Academy of Sciences of the USA. 2001. No 98 (2). P. 404–409. https://doi.org/10.1073/pnas.98.2.404

Thelwall M., Wilkinson D. Graph structure in three national academic Webs: Power laws with anomalies // Journal of the American Society for Information Science and Technology. 2003. №54(8). P. 706–712.

Ortega J.L., Aguillo I.F. Visualization of the Nordic academic web: Link analysis using social network tools // Information Processing and Management. 2008. Vol. 44, Iss. 4. P. 1624–1633.

Печников А.А. Методы исследования регламентируемых тематических фрагментов Web // Труды Института системного анализа Российской академии наук. Серия: Прикладные проблемы управления макросистемами. 2010. Т. 59. С. 134–145.

Watts D.J.; Strogatz S.H. Collective dynamics of 'small-world' networks // Nature. No 393. P. 440–442.

Ермолин Н.А., Мазалов В.В., Печников А.А. Теоретико-игровые методы нахождения сообществ в академическом Вебе // Труды СПИИРАН. 2017. Вып. 55. C. 237–254.

Pechnikov A.A., Chernobrovkin D.I. Adaptive Crawler for External Hyperlinks Search and Acquisition // Automation and Remote Control. 2014. V. 75. No 3. Р. 587–593.

Головин А.С., Печников А.А. База данных внешних гиперссылок для исследования фрагментов Веба // Информационная среда вуза XXI века: материалы VII Всероссийской научно-практической конференции (23–27 сентября 2013 г.). Петрозаводск, 2013. С. 55–57.

The Open Graph Viz Platform. URL: https://gephi.org

Blondel V.D., Guillaume J-L., Lambiotte R., Lefebvre E. Fast unfolding of communities in large networks // J. of Statistical Mechanics: Theory and Experiment. 2008. P. 10008.

Newman M.E., Girvan M. Finding and evaluating community structure in networks // Physical Review E. 2004. V. 69(2). P. 026113.

Левкина Л.И. Социально-историческая роль сообществ. М.: Русайнс, 2016. 216 с.

Malliaros F.D., Vazirgiannis M. Clustering and community detection in directed networks: A survey // Physics Reports. 2013. V. 533. Issue 4. P. 95–142.

Granovetter M.S. The Strength of Weak Ties // The American J. of Sociology. 1973. No 78 (6). P. 1360–1380.

Харари Ф. Теория графов. М.: Мир, 1973. 300 с.