المسافات في الشبكات العليا الوزنية

لماذا يهم قياس المسافة في الشبكات

من وسائل التواصل الاجتماعي إلى البحث العلمي، يمكن وصف كثير من جوانب الحياة المعاصرة على أنها شبكات من الروابط. لكن العديد من الحالات الواقعية تتضمن مجموعات بدلًا من أزواج بسيطة: ورقة بحثية تربط عدداً من المجالات، رسالة بريد تذهب إلى مستلمين متعددين، دواء يجمع مكونات متعددة. في هذه الشبكات ذات الرتبة العالية، يصبح حتى تعريف مدى "بعد" عنصرين أمرًا معقّدًا. تقدّم هذه المقالة طريقة جديدة لقياس المسافة في أنظمة المجموعة المعقدة هذه بحيث نتمكن من رسم خرائط أفضل لكيفية ارتباط الأفكار أو الأشخاص أو المكوّنات ببعضها.

من الروابط البسيطة إلى الروابط الجماعية الغنية

في الشبكات العادية، تكون المسافة بسيطة: هي طول أقصر مسار من عقدة إلى أخرى. هذا ينجح عندما يربط كل رابط عقدتين بالضبط. ومع ذلك، تُوصف العديد من مجموعات البيانات الواقعية بصورة أفضل بالهايبرغرافس، حيث يمكن لرابط واحد أن يجمع ثلاث عقد أو أربع أو أكثر بكثير. الاختصار الشائع هو تفكيك كل مجموعة إلى روابط زوجية متعددة، وهي عملية تُسمى إسقاط الكليكات. ورغم أنها مريحة، فإن هذه الحيلة تتخلى عن معلومات مهمة بشأن حجم المجموعات وكيفية تداخلها، وبالتالي قد تشوّه المسافات بين العقد.

بناء مسافة تحترم البنية العليا

يقترح المؤلفون مقياس مسافة مصمم خصيصًا للهايبرغرافس الوزنية، حيث تحمل كل مجموعة أيضًا قوة أو تكرارًا. يعتمد بناؤهم على تحويل الهايبرغرافس إلى بنية مرافق تصبح فيها كل مجموعة عقدة وتتحول التداخلات بين المجموعات إلى روابط. تُستخلص المسافات بين العقد الأصلية من المسارات التي تمر عبر هذا "شبك المجموعات"، مع الأخذ بعين الاعتبار كلًّا من حجم المجموعات وقيم الأوزان الخاصة بها. المقياس الناتج يفي بجميع قواعد المترِك المتوقعة، مثل أن يكون غير سالب دائمًا ويحقق عدم المساواة المثلثية، ويتقارب إلى مسافة الرسم البياني المألوفة عندما تكون الروابط زوجية بحتة.

كيف تشكّل الأوزان والتداخلات الفُرْق بين العناصر

من خلال استكشاف أمثلة بسيطة، توضح الدراسة لماذا تكون التأثيرات العليا مهمة. عندما تحتوي مجموعة واحدة على عدد كبير من العقد، يُعامل أي عنصرين في تلك المجموعة الكبيرة على أنهما أبعد مما يكون عليه أعضاء مجموعة صغيرة، مما يعكس فكرة أن المشاركة في سياق مزدحم تمنح تقاربًا مباشرًا أضعف. وبالمثل، إذا تداخلت مجموعتان بشكل كبير، فإن العقد في مجموعتين مختلفتين ولكن ضمن النواة المشتركة تكون فعليًا أقرب. عند إضافة الأوزان، تقصر التفاعلات المتكررة أو القوية بين المجموعات المسافات، لكن ذلك يحدث بطريقة تعتمد على كل من حجم المجموعات وكيفية تقاطعها. هذه الصورة الأكثر ثراءً تختلف عن إسقاط الكليكات، حيث يمكن أن ينتج عن نفس الهايبرغرافس الأساسي مسافات زوجية متطابقة حتى عندما تكون البنية العليا مختلفة جدًا.

اختبار الطريقة على بيانات العالم الحقيقي

يطبّق الباحثون مسافتهم على عدة مجموعات بيانات حقيقية، بما في ذلك مستودع ما قبل الطباعة arXiv، أنماط الاتصال في المدارس، رسائل البريد الإلكتروني داخل شركة، تراكيب الأدوية، ولجان مجلس الشيوخ الأمريكية. في حالة arXiv، تمثل كل مجال علمي عقدة، وتشكل كل ورقة مجموعة من المجالات، وتسجل أوزان المجموعات عدد مرات ظهور تركيبة معينة. تُستخدم المسافة الجديدة لدراسة "المسافة المعرفية" بين المجالات، أي مدى بُعد التخصصات عن بعضها فكريًا. عند مقارنة المسافات المستمدة من الهايبرغرافس بتلك الناتجة عن إسقاط الكليكات، وجد الباحثون أن بعض أزواج المجالات قد تنتقل من كونها قريبة نسبيًا إلى بعيدة نسبيًا، أو العكس، اعتمادًا على الطريقة. تظهر هذه التحولات أن الإسقاطات قد تُخفي بنية ذات مغزى، خصوصًا عندما تغطي العديد من الأوراق أكثر من مجالين.

ماذا يعني هذا لرسم خرائط الأنظمة المعقدة

عبر جميع مجموعات البيانات، يجد المؤلفون أن إسقاط الروابط الزوجية يعمل بشكل مقبول فقط عندما تتضمن معظم التفاعلات عقدتين، كما في اتصالات الفصول الدراسية النموذجية. في الأنظمة التي تكون فيها المجموعات الأكبر شائعة وتحمل أوزانًا متنوعة، قد تقلل طريقة الإسقاط من تقدير المسافات أو تعيد ترتيبها بشكل خاطئ بشكل كبير. يحافظ المقياس الجديد على معلومات الرتبة العالية كاملةً بينما يظل قابلاً للحساب عمليًا، ويشمل بطبيعته مسافة الرسم البياني الاعتيادية كحالة خاصة. للمتخصصين غير المتعمقين، الرسالة الأساسية هي أنه عندما نحاول رسم مدى بُعد الأفكار أو الأشخاص أو المكوّنات في بيئات جماعية معقدة، نحتاج إلى أدوات ترى أبعد من الروابط الزوجية البسيطة. تقدّم هذه الفكرة القائمة على الهايبرغرافس خريطة أكثر وفاءً للفصل في الشبكات متعددة الطبقات التي تقوم عليها العلوم والمجتمع المعاصران.

الاستشهاد: del Genio, C.I., Vasilyeva, E., Tupikina, L. et al. Distances in weighted higher-order networks. Commun Phys 9, 178 (2026). https://doi.org/10.1038/s42005-026-02592-w

الكلمات المفتاحية: مسافة الهايبرغرافس, الشبكات ذات الرتبة العالية, المسافة المعرفية, مقاييس الشبكات, بيانات arXiv