EdMot: نهج تعزيز الحواف للكشف عن المجتمعات المُدركة للنمط

كشف المجتمعات الشبكية يُعد موضوعًا بحثيًا مثيرًا في تحليل الشبكات. وعلى الرغم من اقتراح العديد من الطرق للكشف عن المجتمعات، إلا أن معظمها يأخذ بعين الاعتبار فقط البنية من الدرجة الدنيا للشبكة على مستوى العقد والحواف الفردية. وبذلك، يفشل في التقاط الخصائص من الدرجة العليا على مستوى أنماط المخططات الكثيفة الصغيرة، مثل المحاثات (motifs). في الآونة الأخيرة، تم تطوير بعض الطرق من الدرجة العليا، لكنها غالبًا ما تركز على الهيبرغراف القائم على المحاثات، والذي يُفترض أنه رسم بياني متصل. ومع ذلك، لا يمكن ضمان هذا الافتراض في بعض الشبكات الواقعية. وبخاصة، قد يصبح الهيبرغراف مُجزَّأً، أي قد يتكون من عدد كبير من المكونات المتصلة والعقد المنفصلة، رغم أن الشبكة الأصلية تكون متصلة. وبالتالي، ستتأثر الطرق من الدرجة العليا الحالية بشكل كبير بهذه المشكلة التجزئة، لأنها في هذه الطرق لا يمكن دمج العقد غير المتصلة في الهيبرغراف معًا، حتى لو كانت تنتمي إلى نفس المجتمع. ولحل هذه المشكلة التجزئة، نقترح طريقة تُسمى EdMot، وهي تحسين الحواف للكشف عن المجتمعات مع أخذ المحاثات بعين الاعتبار. الفكرة الأساسية تتمثل في ما يلي: أولاً، يتم بناء هيبرغراف مبني على المحاثات، ثم تُقسَّم أكبر K مكونًا متصلًا في الهيبرغراف إلى وحدات (modules). وبعد ذلك، يُعزَّز بنية الاتصال داخل كل وحدة من خلال بناء مجموعة حواف لاستخلاص مجموعة كاملة (clique) من كل وحدة. بناءً على مجموعة الحواف الجديدة، يتم تعزيز البنية الأصلية للاتصال في الشبكة المدخلة لتكوين شبكة إعادة توصيل (rewired network)، حيث يتم الاستفادة من البنية العليا القائمة على المحاثات، ويُعالج بشكل جيد مشكلة تجزئة الهيبرغراف. وأخيرًا، تُقسَّم الشبكة المعاد توصيلها للحصول على البنية المجتمعية من الدرجة العليا.