تحديد العقد المؤثرة عبر قشرة-k الهرمية ودمج الجيران الممتد

لماذا تهم بعض الروابط أكثر من غيرها

من وسائل التواصل الاجتماعي ومسارات شركات الطيران إلى شبكات الكهرباء وتفشيات الأمراض، تُنسَج حياتنا داخل شبكات واسعة من الروابط. ومع ذلك، داخل هذه الشبكات، تلعب نسبة صغيرة من النقاط — أشخاص، مطارات، محطات طاقة — دورًا أكبر بكثير من باقي النقاط. يمكن أن يساعد تحديد هذه النقاط الحاسمة في تضخيم المعلومات المفيدة، وقف الشائعات الضارة، منع انقطاع التيار، أو إبطاء انتشار الأمراض. تقدم هذه الورقة طريقة جديدة تسمى HKEN لاختيار أكثر النقاط تأثيرًا في مثل هذه الشبكات بدقة وكفاءة أكبر من العديد من الأساليب الحالية.

البحث عن اللاعبين الرئيسيين في شبكات متشابكة

يمثل الباحثون العديد من الأنظمة الحقيقية كشبكات: نقاط (عقد) مرتبطة بخطوط (حواف) تمثل علاقات أو تفاعلات. سؤال محوري هو أي العقد تكون أكثر أهمية لانتشار شيء عبر الشبكة — سواء كان ذلك "الشيء" خبرًا، كهرباء، أو فيروسًا. تنقسم الطرق السابقة إلى معسكرين. الطرق المحلية تنظر فقط إلى محيط العقدة الفوري، وهو أمر سريع لكنه قد لا يميز دائمًا بين عقد متشابهة المظهر. الطرق العالمية تفحص بنية الشبكة كاملة، مما يوفر عادة تصنيفًا أكثر موثوقية لكن بتكلفة حسابية عالية وأحيانًا بتجميعات خشنة. تحاول النهج الهجينة مزج النظرتين لكن قد تصبح معقدة أو تعتمد بشكل كبير على ضبط المعاملات. تهدف HKEN إلى التقاط أفضل ما في العالمين مع البقاء بسيطًا نسبيًا ومرنًا.

مزج المنظور القريب والواسع

تبدأ HKEN بمنح كل عقدة وزنًا أوليًا يمزج فكرتين. الأولى هي الدرجة (degree)، أي عدد الروابط المباشرة التي تملكها — وهو مؤشر أساسي للأهمية المحلية. الثانية هي موقعها في الشبكة الأوسع، التي يلتقطها ما يسميه المؤلفون قيمة قشرة-k (k-shell)، والتي تكشف مدى غوص العقدة داخل نواة الشبكة بدلاً من كونها على الهوامش. نظرًا لأن القيم المشتقة من الدرجات قد تكون أكبر بكثير من قيم قشرة-k، تقوم HKEN بإعادة مقياسهما بحيث لا يطغى أحدهما على الآخر. هذا ينتج تقديرًا أوليًا أكثر توازنًا لمدى تأثير كل عقدة، استنادًا إلى كل من محيطها وموقعها العالمي.

الاستماع إلى الجيران القريبين والبعيدين

بعد ذلك، تنظر HKEN إلى ما هو أبعد من الجيران المباشرين لكل عقدة إلى أولئك على بعد خطوتين. تستخدم توزيع الأوزان الأولية عبر الشبكة لتحديد عتبة تميّز بين الجيران "القويين" و"الضعيفين" من حيث سهولة نقلهم للتأثير. يُسمح للجيران القريبين وأولئك ذوي الأوزان الأعلى بالمساهمة أكثر. في الوقت نفسه، تقيس الطريقة مدى تكتل محيط كل جار. إذا كان الدائرة المحلية للجار كثيفة جدًا، فقد تميل المعلومات إلى الدوران محليًا بدلاً من الانتقال للخارج، لذا يتم تخفيف مساهمته. كما تتحقق HKEN من مدى تشابه محيط عقدتين — باستخدام مقياس تداخل قياسي — بحيث تعزز العقد المدمجة في نفس المجتمع بعضها البعض بقوة أكبر.

تحويل التأثير الخام إلى ترتيب نهائي

بتجميع هذه الأجزاء، تحسب HKEN أولًا "تأثيرًا أوليًا" لكل عقدة بجمع وزنها الخاص ومساهمات المفلترة والواعية للمسافة من الجيران حتى على بعد خطوتين. ثم تقوم بمرور ثانٍ يسمح للجيران المتصلين مباشرة بزيادة درجات بعضهم البعض وفقًا لمدى تشاركهم للمحيط المحلي. يحافظ هذا المرور الثاني عن عمد على بروز مساهمة العقدة نفسها بحيث لا يتم طمس العقد المركزية عالية الأهمية بواسطة محيطها. النتيجة النهائية هي درجة تأثير نهائية لكل عقدة، يمكن فرزها لإنتاج ترتيب لأهم النقاط في الشبكة.

اختبار الطريقة في شبكات حقيقية

لتقييم أداء HKEN، اختبرها المؤلفون على عشر شبكات حقيقية متنوعة، تتراوح من الرسم الشبكي التقليدي لنادي الكاراتيه إلى مسارات شركات الطيران، وتفاعلات البروتينات، وخرائط التعاون العلمي. قارنوا HKEN بعشرات طرق الترتيب المعروفة. ولأنه من الصعب معرفة "العقد الأكثر تأثيرًا" بشكل مباشر، استخدموا نموذج انتشار قياسي مستعار من وبائيات الأمراض، يُسمى SIR، لمحاكاة كيفية تحرك عدوى عبر كل شبكة بدءًا من عقدة بذرة مختلفة. ثم فحصوا مدى تقارب ترتيب كل خوارزمية مع أنماط الانتشار. عبر معظم مجموعات البيانات والظروف، توافقت ترتيبات HKEN أقوى مع الانتشار المحاكى، وكانت العقد العليا التي اختارتها تؤدي إلى تسلسلات أوسع وأسرع مقارنة بتلك التي اختارتها الأساليب المنافسة، وكل ذلك مع إبقاء أزمنة التشغيل قابلة للإدارة على الشبكات الكبيرة.

ما الذي يعنيه هذا للعالم الواقعي

بعبارة بسيطة، تُظهر هذه الدراسة أن الانتباه إلى كل من موقع العقدة في الشبكة ككل وسلوك جيرانها المباشرين وجيران الحلقة الثانية يعطي صورة أوضح عمن يقود التأثير حقًا. تساعد المقاربة متعددة الطبقات في HKEN — الموازنة بين الروابط المحلية، الموقع العالمي، والتداخل الدقيق بين المطوقات — في اختيار العقد الحرجة بشكل أكثر موثوقية من العديد من الأدوات القائمة. وهذا يجعلها أداة واعدة لمهام مثل تحديد قادة الرأي في وسائل التواصل الاجتماعي، وتحديد العقد الضعيفة في أنظمة الطاقة أو النقل، أو استهداف التدخلات لإبطاء انتشار الأمراض، مع الحفاظ على كفاءة كافية للتشغيل على شبكات كبيرة ومعقدة اليوم.

الاستشهاد: Wang, F., Sun, Z., Wang, G. et al. Identifying influential nodes through hierarchical k-shell and extended neighborhood integration. Sci Rep 16, 10215 (2026). https://doi.org/10.1038/s41598-026-40209-y

الكلمات المفتاحية: العقد المؤثرة, الشبكات المعقدة, انتشار المعلومات, مركزية الشبكة, نموذج SIR