چکیده

شبکه های شهری به جای اینکه به عنوان بخشی از یک مدل جهانی واحد در نظر گرفته شوند که در سراسر جهان معتبر است، چندگانه و متنوع هستند. این مطالعه با متمایز ساختن ساختارهای چند مقیاسی شبکه‌های شهر جهانی (WCN) که در محتوای صفحه اینترنتی اینترنتی به زبان‌های انگلیسی، آلمانی و فرانسوی منعکس شده‌اند، به بحث در مورد جهانی‌سازی‌های چندگانه کمک می‌کند. با استفاده از مجموعه داده‌های بزرگ از خزیدن وب، ما یک رویکرد شبکه پیچیده را با تحلیل‌های مقیاس کلان و میان‌مقیاس برای مقایسه ویژگی‌های جهانی و گروه‌بندی در WCN‌های مختلف، با استفاده از روش‌های جدید مانند مدل بلوک تصادفی وزنی (WSBM) اتخاذ کردیم. نتایج نشان می‌دهد که در مقیاس کلان، رتبه‌بندی مراکز شهرها در زبان‌های مختلف به دلیل توزیع جغرافیایی نابرابر زبان‌ها و سطوح مختلف جهانی‌شدن شهرها در زبان‌های مختلف متفاوت است. در مقیاس مزو، WSBMها الگوهای گروه‌بندی متفاوتی را در WCN بر اساس زبان استنباط می‌کنند و نقش‌های خاص بسیاری از شهرهای جهان با زبان متفاوت است. تحلیل‌های مقایسه‌ای مبتنی بر احتمال نشان می‌دهد که WCN انگلیسی جهانی‌تر به نظر می‌رسد، در حالی که جهان فرانسه و آلمان بیشتر قلمرو به نظر می‌رسند. استفاده از ساختار میان مقیاس شناسایی شده در WCN انگلیسی برای درک شبکه های شهر در زبان های دیگر ممکن است مغرضانه باشد. این یافته‌ها اهمیت بررسی دقیق WCN‌های چندگانه در فرهنگ‌ها و زبان‌های مختلف و همچنین بحث در مورد ساختارهای میان مقیاس در مطالعات مقایسه‌ای WCN را نشان می‌دهد. تحلیل‌های مقایسه‌ای مبتنی بر احتمال نشان می‌دهد که WCN انگلیسی جهانی‌تر به نظر می‌رسد، در حالی که جهان فرانسه و آلمان بیشتر قلمرو به نظر می‌رسند. استفاده از ساختار میان مقیاس شناسایی شده در WCN انگلیسی برای درک شبکه های شهر در زبان های دیگر ممکن است مغرضانه باشد. این یافته‌ها اهمیت بررسی دقیق WCN‌های چندگانه در فرهنگ‌ها و زبان‌های مختلف و همچنین بحث در مورد ساختارهای میان مقیاس در مطالعات مقایسه‌ای WCN را نشان می‌دهد. تحلیل‌های مقایسه‌ای مبتنی بر احتمال نشان می‌دهد که WCN انگلیسی جهانی‌تر به نظر می‌رسد، در حالی که جهان فرانسه و آلمان بیشتر قلمرو به نظر می‌رسند. استفاده از ساختار میان مقیاس شناسایی شده در WCN انگلیسی برای درک شبکه های شهر در زبان های دیگر ممکن است مغرضانه باشد. این یافته‌ها اهمیت بررسی دقیق WCN‌های چندگانه در فرهنگ‌ها و زبان‌های مختلف و همچنین بحث در مورد ساختارهای میان مقیاس در مطالعات مقایسه‌ای WCN را نشان می‌دهد.

کلید واژه ها:

شبکه جهانی شهر (WCN) ؛ زبان ; شبکه پیچیده ؛ ساختار میان مقیاس ; داده های بزرگ صفحه وب ; مدل بلوک تصادفی وزنی (WSBM)

1. مقدمه

شهرهای جهان به عنوان مکان‌های استراتژیک در اقتصاد و جامعه جهانی تلقی می‌شوند که توسط روابط چندگانه برای انباشت ثروت، کنترل و قدرت از طریق جریان سرمایه، اطلاعات، مردم و دانش به هم مرتبط شده‌اند [ 1 ، 2 ، 3 ، 4 ]. مطالعات شبکه جهانی شهر (WCN) به یک رویکرد مهم برای درک جهانی شدن تبدیل شده است که نه تنها شامل یک فرآیند اقتصادی انباشت سرمایه جهانی و مفصل بندی، بلکه شامل فرآیندهای فرهنگی، سیاسی و اجتماعی است [ 5 ]. در مواجهه با چنین «جهانی‌سازی‌های متعدد»، تمرکز مطالعات WCN از پیوند منحصر به فرد بین شهرها به انواع متعدد روابط بین شهری تغییر کرده است [ 6 ].
با این حال، تنها تعداد محدودی از مطالعات جهانی‌سازی‌های چندگانه را بررسی کرده و WCN‌های چندگانه را مقایسه کرده‌اند. در میان آنها، رشته‌ای از تحقیقات بر انواع مختلفی از پیوندهای اقتصادی بین شهرهای جهان با نگاه کردن به ارتباطات مختلف شرکتی تمرکز دارد [ 5 ، 7 ، 8 ]. آنها چندین شبکه شهر به شرکت را با مقایسه شرکت های چند ملیتی خدمات محصول پیشرفته (APS) یا سایر صنایع بررسی می کنند. رشته دیگری از مطالعات، پویایی WCN های شرکتی را که توسط جهانی شدن اقتصادی در دوره های مختلف هدایت می شود، برجسته می کند [ 4 ، 6 ]. با این حال، در مقایسه با WCN های اقتصادی، WCN های غیراقتصادی بسیار مورد تحقیق قرار نگرفته اند [ 9 ، 10]. به طور خاص، مطالعات کمی تفاوت‌های WCN را در دیدگاه‌های فرهنگ‌ها و زبان‌های مختلف بررسی و مقایسه می‌کنند.
برای پر کردن این شکاف، هدف این مقاله گسترش درک ما از جهانی شدن های متعدد با مقایسه WCN های منعکس شده در محتوای صفحه وب اینترنت به زبان های مختلف است. در چنین WCN ها، قدرت رابطه دو شهر به عنوان تعداد صفحات وب با نام هر دو شهر تعریف می شود. وزن پیوندهای بین شهری، فراوانی همزمانی شهرها است که توسط موتور جستجوی پیشرفته گوگل از ماه می تا ژوئن 2016 جمع آوری شده است. بر اساس صفحات وب زبان های مختلف، که در اینجا شامل انگلیسی، فرانسوی و آلمانی است، می توانیم سه WCN را با استفاده از زبان
مقایسه WCN های متکی بر زبان های صفحه وب می تواند الگوهای مختلف شبکه شهر را در فرهنگ های مختلف بهتر نشان دهد. اول، زبان حامل مهم فرهنگ است. توزیع و دیده شدن زبان ها ارتباط نزدیکی با قومیت، فرهنگ، وضعیت اجتماعی-اقتصادی و قدرت سیاسی دارد [ 11 ، 12 ]. دوم، داده های صفحه وب به عنوان یک نقشه مجازی از دنیای واقعی به طور فزاینده ای برای تجزیه و تحلیل تخیل جغرافیایی استفاده شده است [ 13 ، 14 ، 15 ، 16 .]. اگر دو شهر به طور مکرر در صفحات وب اتفاق می‌افتند، احتمالاً به این معنی است که آنها از نزدیک به هم متصل هستند و ارتباط آنها جامع است. این دو شهر ممکن است ارتباطات اقتصادی قوی و همچنین پیوندهای غیراقتصادی داشته باشند، مانند جریان گردشگران و مهاجرت و شباهت‌های تاریخی، اجتماعی-سیاسی و فرهنگی [ 15 ، 17 ]. بنابراین، WCN های “متنی” توسط زبان های مختلف می توانند کاملا متفاوت باشند. تصور جهانی شدن با فرهنگ ما و زبانی که آفلاین و آنلاین استفاده می کنیم متفاوت است. علاوه بر این، در حالی که تعیین کمیت پیوندهای فرهنگی میان شهرها اغلب دشوار است، داده‌های متنی مبتنی بر زبان، مبنای کمی برای مقایسه تصورات جغرافیایی جهانی از گروه‌های فرهنگی مختلف فراهم می‌کند [ 13 ،14 ].
علاوه بر این، مطالعات تطبیقی ​​چند WCN نیاز به نوآوری روش شناختی دارد. اکثر مطالعات تطبیقی ​​بر ویژگی‌های مقیاس کلان WCN‌ها، مانند رتبه‌بندی شهرها و توزیع مرکزیت‌ها، همراه با تکنیک‌های تجسم در شبکه و طرح‌بندی‌های جغرافیایی تأکید می‌کنند [ 5 ، 6 ، 14 ، 18 ]. تجزیه و تحلیل در مقیاس کلان نمی تواند ساختار درونی یک WCN را باز کند و در پاسخ به برخی از سوالات مهم ناکام است [ 5 , 6 , 14 , 18]، برای مثال، آیا WCN دارای ساختار هسته‌ای پیرامونی یا منطقه‌ای است یا اینکه یک شهر به یک هسته یا حاشیه تعلق دارد؟ برای بررسی بهتر این سؤالات، ما نیاز به شناسایی ساختارهای میان‌مقیاس در WCN داریم، یعنی ویژگی‌های خوشه‌بندی شهر بر اساس الگوهای پیوندهای بین شهری. همانطور که در Zhang و Thill [ 14 ] مفهوم سازی شده است، بسیاری از ساختارهای بالقوه میان مقیاس می توانند در WCN ها وجود داشته باشند، از جمله یک ساختار جامعه که نشان دهنده سرزمین گرایی یا منطقه ای شدن است، یک ساختار هسته-پیرامون نشان دهنده سلسله مراتب شهر، یک ساختار تصادفی یا یک جهان مسطح، و ساختارهای ترکیبی.
رویکردهای زیادی برای خوشه‌بندی شهر وجود دارد، از جمله مولفه‌های اصلی و تجزیه و تحلیل خوشه‌بندی سلسله مراتبی بر اساس ویژگی‌های گرهی شهر [ 4 ، 19 ] و شناسایی جامعه مبتنی بر شبکه و مدل‌های بلوک [ 20 ، 21 ، 22 ، 23 ]. با این حال، این رویکردها می توانند به راحتی در دام «جبر روش شناختی» قرار گیرند [ 14]، که در آن روش مورد استفاده برای خوشه بندی ممکن است یک ساختار گروه بندی را از قبل تعیین کند و ساختار میان مقیاس “واقعی” را از قبل حذف کند. برای مثال، الگوریتم‌های تشخیص جامعه می‌توانند «انجمن‌ها» را در یک WCN پیدا کنند، اما تشخیص «هسته‌ها» و «پیرامون» دشوار است. اگر یک WCN واقعاً دارای ساختار هسته‌ای- پیرامونی باشد، استفاده از روش‌های تشخیص جامعه برای خوشه‌بندی شهر ممکن است یک ساختار میان‌مقیاس مغرضانه را تشخیص دهد. روزنبلات و همکاران یکی از اولین کسانی است که ساختارهای اجتماعی یا منطقه‌بندی چندقطبی شهرها را در چهار نوع شبکه شرکت‌های چندملیتی مقایسه می‌کند [ 21 ].]، از جمله شبکه های شرکتی فناوری های بالا، فناوری های پایین، خدمات دانش فشرده و خدمات کمتر دانش بر. مارتینوس و سیگلر ساختارهای اجتماعی (خوشه‌بندی) را در شبکه‌های شهری که توسط پیوندهای مکانی انواع مختلفی از شرکت‌های فهرست‌شده در بورس اوراق بهادار استرالیا [ 20 ] از جمله شرکت‌های انرژی، مواد، صنعتی و مالی تشکیل شده‌اند، مقایسه کردند. با این حال، هر دو مطالعه بالا فرض می‌کنند که ساختارهای میان مقیاس از قبل ساختارهای جامعه هستند.
به منظور حل این مسائل تحلیلی، این مطالعه از یک رویکرد شبکه پیچیده جدید – یعنی یک مدل بلوک تصادفی وزنی (WSBM) [ 14 ، 24 ] – برای استنتاج ساختارهای میان مقیاس پنهان WCN ها در زبان های مختلف استفاده کرد و یک احتمال ایجاد کرد. شاخص مبتنی بر مقایسه کمی (ناهمسانی) بین WCN ها. این رویکرد برای مقایسه نیز نوآورانه است. در حالی که روش‌های مقایسه‌ای موجود می‌توانند مشخص کنند که آیا دو WCN متفاوت هستند [ 7 ، 8 ، 25 ]، آنها به ندرت یک معیار کمی برای شناسایی میزان تفاوت بین دو WCN ارائه می‌کنند.
بنابراین سهم این مقاله دوگانه است. اول، به منظور حذف سوگیری‌های تحلیلی از روش‌های خوشه‌بندی شهر موجود، مانند تشخیص جامعه و تجزیه و تحلیل مؤلفه‌های اصلی، ما یک روش WSBM را برای تفکیک ساختارهای مقیاس پنهان (مثلاً هسته-حومه در مقابل جوامع) در WCN‌های مختلف توسعه دادیم و اندازه گیری کمی برای مقایسه مقیاس متوسط دوم، این مطالعه یکی از اولین مطالعه‌هایی است که WCN‌ها را در مقیاس‌های منعکس‌شده به زبان‌های مختلف متمایز می‌کند، و به ما کمک می‌کند تفاوت‌های فرهنگی در درک سلسله‌مراتب و شبکه‌های شهری جهانی را در چارچوب جهانی‌سازی‌های چندگانه تعیین کنیم.

2. کارهای مرتبط

حجم فزاینده ای از ادبیات تجربی مقایسه چند WCN را بررسی کرده است. به عنوان مثال، بیشتر تحقیقات بر روی انواع مختلفی از پیوندهای اقتصادی بین شهرهای جهان با مشاهده ارتباطات مختلف شرکتی [ 5 ، 7 ، 8 ]، از جمله ارتباطات شرکت‌های خدمات تولیدکننده پیشرفته (APS) و سایر شرکت‌های چندملیتی و همچنین تمرکز دارد. پیوندهای تحرک از طریق حمل و نقل هوایی، کشتیرانی و زمینی. برای مثال، کراتکه شباهت‌ها و تفاوت‌های WCN‌های صنایع تولیدی چندملیتی، مانند شرکت‌های داروسازی و بیوتکنولوژی [ 7 ]، شرکت‌های صنعت خودرو، و شرکت‌های سخت‌افزار و تجهیزات فنی [ 25 ] را مقایسه کرد.]. با مقایسه ویژگی های شبکه، این مطالعات تفاوت های قابل توجهی را در شهرهای پیشرو و رتبه بندی شهرها در صنایع مختلف نشان دادند. مارتینوس و تونتس گزارش دادند که WCN متصل شده توسط صنایع انرژی، الگوی جدیدی از ویژگی های زیر گروه را نشان می دهد. شبکه جهانی انرژی از سه “متا شبکه” در اروپا، آمریکا و منطقه آسیا و اقیانوسیه تشکیل شده است [ 26 ]. سیگلر و مارتینوس بیشتر شبکه‌های شهری را که توسط بخش‌های صنعتی مختلف از جمله بخش‌های مواد، انرژی، صنعتی و مالی تعریف شده‌اند، متمایز کردند [ 8 ].
برخی از تحقیقات مقایسه ای WCN ها بر تکامل پویای WCN های شرکتی در دوره های مختلف متمرکز است. برای مثال، برخی از محققان تغییرات در اتصال شبکه و رتبه‌بندی شهرها را با مقایسه مجموعه داده‌های چند ساله APS سازمانی جمع‌آوری‌شده توسط گروه جهانی‌سازی و شبکه تحقیقات شهرهای جهان (GaWC) [ 6 ] تجزیه و تحلیل کردند. آنها دریافتند که سطوح کلی اتصال شبکه با سالها افزایش یافته است و اتصالات چند خوشه شهری به میزان قابل توجهی افزایش یافته است. درودر و تیلور اخیراً سه مرحله از جهانی شدن را تا به امروز (یعنی جهانی سازی گسترده، فشرده و چینی) با بررسی تغییر توزیع جهانی شرکت های APS ترسیم کردند [ 4 ].]. در میان سه جهانی‌سازی، جهانی‌سازی گسترده یک ساختار هسته‌ای پیرامونی از وابستگی سلسله مراتبی بین کشورهای توسعه‌یافته و در حال توسعه [ 27 ] (صص 1651-1663) را ارائه می‌دهد که با «فرضیه شهر جهانی» [ 1 ] مطابقت دارد. این جهانی‌سازی فشرده بیشتر نشان‌دهنده فرآیندی از انباشتگی متقابل بین تقاضا (دفتر مرکزی شرکت) و عرضه (APS) است که در “شهرهای جهانی” لنگر انداخته است [ 28 ] (صص 170-172)، در حالی که جهانی‌سازی چین نشان می‌دهد که چین نفوذ خود را بر افزایش داده است. جهانی شدن
در حالی که بیشتر مطالعات قبلی بر ارتباطات اقتصادی میان شهرهای جهان تأکید می‌کنند، انتقاداتی را در مورد نادیده گرفتن پیوندهای غیراقتصادی برانگیخته‌اند [ 9 ، 10 ]. تربورن ادعا کرد که تحقیقات موجود بیشتر به جهانی شدن اقتصادی مربوط می شود اما از درک شهرهای جهانی شده از منظر فرهنگ و تاریخ غفلت می کند [ 10 ]. برخی از مطالعات موجود سعی کرده اند با نگاهی به روابط بین شهری مختلف غیراقتصادی، از نظر سازمان های غیردولتی [ 18 ]، مؤسسات آموزش عالی [ 29 ]، شرکت های رسانه ای [ 30 ] و متنی، چنین سوگیری اقتصادی را بررسی کنند. مطالب یا اخبار جهانی بر اساس موضوعات [ 13 ، 17].
فقط تعداد محدودی از مطالعات، تغییرات WCN را که در زبان‌ها و فرهنگ‌های مختلف منعکس شده است، بررسی کرده‌اند. برخی تحقیقات موجود نشان داده است که پیوندهای بین شهری در WCN ها با محیط فرهنگی آن شهرهای متصل مرتبط است. به عنوان مثال، تجزیه و تحلیل بخش خدمات مالی اسلامی (IFS) در جهان نشان داد که ویژگی های WCN تحت فرهنگ اسلامی به طور قابل توجهی با تصورات جغرافیایی در کشورهای غربی متفاوت است [ 31 ]. مطالعه دیگری بر اساس داده های شرکت های فهرست شده در بورس اوراق بهادار استرالیا نشان داد که نزدیکی فرهنگی (مانند تاریخ و زبان) تأثیر قابل توجهی در شکل دادن به رابطه بین شهرهای جهان دارد [ 20 ].

3. داده ها از خزیدن وب

برای اندازه‌گیری اتصال شهر منعکس‌شده در زبان‌های مختلف، این مطالعه از رویکرد وب‌سنجی برای جمع‌آوری داده‌های پیوند بین‌شهری استفاده کرد [ 32]. ما از موتور جستجوی پیشرفته گوگل در پلتفرم جستجوی گوگل برای جمع آوری فراوانی همزمانی دو شهر با وارد کردن نام دو شهر به زبان های مختلف استفاده کردیم. فرض اساسی این است که اگر دو شهر در یک صفحه وب ظاهر شوند، به این معنی است که آنها احتمالاً یک پیوند مفهومی با عملکرد و ارزش مشترک تحت یک چارچوب زبانی شناختی کلی دارند و تعداد کل رخدادهای همزمان وزن اتصال آنها است. ظاهر دو شهر در صفحات وب ممکن است نشان دهنده چندین نوع پیوند بین آنها باشد، از جمله روابط اقتصادی، حمل و نقل، گردشگری، تاریخی، اجتماعی، فرهنگی و سیاسی [ 15 ، 17 ]. این مطالعه انگلیسی، آلمانی و فرانسوی را از 10 زبان تأثیرگذار جهان انتخاب کرد [ 33]. علاوه بر این، این وب سایت رتبه بندی زبان های محتوا را از 10 میلیون وب سایت برتر تخمین می زند. در اوایل سال 2016، زبان محتوای برتر برای وب سایت ها انگلیسی است که 55.5 درصد از کل صفحات وب را به خود اختصاص داده است، در حالی که نسبت متناظر زبان آلمانی و فرانسوی به ترتیب 5.8 درصد و 4 درصد است که رتبه شماره را دارند. 3 و نه 6 در میان حدود 100 زبان در جهان.
قبل از خزیدن وب، چندین مرحله برای شناسایی شهرهای جهان و نام آنها برای جستجو لازم است. اول، از آنجایی که انتخاب شهرها ممکن است باعث سوگیری مطالعات WCN [ 9 ] شود، ما 126 شهر جهان را از نظر بررسی ادبیات موجود شناسایی می کنیم. اگر شهرها حداقل دو بار در میان 22 مطالعه تأثیرگذار WCN در 30 سال اخیر اتفاق بیفتند، همانطور که در Son [ 34 ] (pp.145-178) و Zhang و Thill [ 14 بیان شده است.]، در این مطالعه انتخاب شده اند. 126 شهر جهان شامل 42 شهر در آسیا (33.3%)، 41 شهر در اروپا (32.5%)، 22 شهر در آمریکای شمالی (17.5%)، 11 شهر در آمریکای جنوبی (8.7%)، 7 شهر در آفریقا (5.6%) و 3 در اقیانوسیه (2.4٪). ثانیاً، جستجوی Google به یکی نیاز دارد تا کلمات کلیدی نام نام را وارد کند، که بنابراین احتمالاً باعث ایجاد مشکلات ابهامی مانند تکرار یا مبهم بودن نام شهرها می شود [ 14 ]. برای کاهش ابهام، نام شهرها و نام‌های کشور مربوطه را به‌عنوان کار کلیدی برای جستجو ترکیب کردیم. ثالثاً، پس از شناسایی نام‌های انگلیسی یک شهر و کشور، همه آنها را توسط افراد بومی این دو کشور به آلمانی و فرانسوی ترجمه کردیم و از پلتفرم جستجوی پیشرفته Google استفاده کردیم که امکان جستجو بر اساس زبان را فراهم می‌کند.
در نهایت، یک الگوریتم خزیدن وب مبتنی بر پایتون برای جستجو و خزیدن خودکار تعداد اتفاقات همزمان هر دو شهر ایجاد شد. برای کاهش سوگیری ناشی از بی ثباتی ذاتی جستجوی Google، ما 28 مجموعه داده همزمان از 9 مه تا 6 ژوئن 2016 جمع آوری کردیم و 441000 جستجو (28*126*126) در هر زبان انجام دادیم. سپس، حداکثر عدد هم‌رویداد را در 28 مجموعه داده برای تقریب روابط بین شهری انتخاب کردیم. در نهایت، در مجموع 0.138 تریلیون صفحه وب، شامل 0.120 تریلیون صفحه وب انگلیسی (87.3٪)، 12.57 میلیارد صفحه وب آلمانی (9.1٪) و 4.92 میلیارد صفحه وب فرانسوی (3.6٪) جستجو شد.

4. روش‌ها: رویکرد شبکه‌ای پیچیده

این مطالعه یک رویکرد جامع برای مقایسه ویژگی‌های میکرومقیاس (یعنی محلی)، مقیاس کلان (یعنی جهانی)، و مقیاس متوسط ​​(یعنی متوسط) WCN در زبان‌های مختلف اتخاذ کرد. حوزه علوم شبکه به خوبی ویژگی های شبکه جامع را در سه مقیاس شامل مقیاس های خرد، کلان و مزو تعریف کرده است [ 35 ، 36 ، 37 .]. به طور خاص، ویژگی‌های ریزمقیاس در WCN‌ها، مرکزیت و قدرت شهرهای منفرد و همچنین تأثیر شهر-دیادها را اندازه‌گیری می‌کنند، در حالی که ساختار مقیاس کلان با بررسی رتبه‌بندی و توزیع ویژگی‌های محلی، ویژگی‌های کلی هر WCN را نشان می‌دهد. به عنوان مثال، مرکزیت درجه یک ویژگی میکرومقیاس مبتنی بر گره معمولی برای اندازه‌گیری اهمیت گره است که مجموع وزن پیوندهای مرتبط با یک گره شهر را نشان می‌دهد. از آنجایی که اکثر مطالعات WCN موجود فقط به ویژگی‌های ریزمقیاس و کلان در WCN نگاه می‌کنند، اما مقیاس میانی را نادیده می‌گیرند [ 25 , 29 , 38 , 39]، این مطالعه به ویژه بر مقایسه ساختارهای مقیاس متوسط ​​در WCN ها متمرکز شد، که ویژگی های گروه بندی گره های شهر را بر اساس پیوندهای رابطه بین شهری با استفاده از WSBM توسعه یافته توسط Aicher و همکاران توصیف می کند. [ 35 ] و تجزیه و تحلیل مقایسه ای میان مقیاس توسعه یافته توسط ژانگ و تیل [ 14 ].
در واقع، روش‌های زیادی برای تشخیص ساختارهای میان مقیاس در شبکه‌ها ایجاد شده است. تجزیه و تحلیل اولیه از تجزیه و تحلیل شبکه اجتماعی (SNA) با تمرکز بر یافتن زیر گروه‌های منسجمی است که در آن بازیگران اجتماعی نزدیک‌تر، متقابل یا فشرده‌تر از سایر اعضای شبکه مرتبط هستند [ 40 ] (ص. 345-391). . تکنیک‌های مربوطه، مانند k-core، k-cliques، k-components، k-clan، k-club، و k-plex [ 40 ] (ص 345-391)، [ 41 ]، جستجو برای شبکه‌های فرعی حداکثر با k به عنوان آستانه ای برای نمایش گره ها یا لبه ها بر اساس ویژگی های آنها. این ژانر تحلیل فقط تا حدی ساختار میان مقیاس را نشان می دهد زیرا برخی زیرگراف های متراکم محلی را شناسایی می کند اما از گره ها و یال های دیگر خارج از زیر گروه های منسجم غفلت می کند.41 ، 42 ].
مطالعات اخیر به بررسی ساختارهای میان مقیاس خاص روی آورده اند. در میان آنها، حجم قابل توجهی از ادبیات به تشخیص الگوریتمی جوامع کمک کرده است [ 42 ، 43 ، 44 ]. یک رویکرد محبوب برای تشخیص جامعه بر بهینه‌سازی مدولاریت تکیه دارد [ 45]، یک تابع کیفیت برای ارزیابی خوب یا بد بودن پارتیشن یک شبکه با مقایسه پارتیشن با یک مدل تهی بدون جوامع (مثلاً یک شبکه تصادفی). این رویکرد اغلب بر برخی از روش‌های سنتی مانند پارتیشن‌بندی نمودار، خوشه‌بندی پارتیشنی و خوشه‌بندی سلسله مراتبی برتری دارد، زیرا نه تنها یک پارتیشن موثر را فراهم می‌کند، بلکه خوبی پارتیشن را نیز ارزیابی می‌کند. در حالی که احتمالاً بهینه‌سازی جامع مدولاریت غیرممکن است [ 46 ]، بسیاری از الگوریتم‌های اکتشافی مانند الگوریتم‌های حریص، بازپخت شبیه‌سازی شده و الگوریتم‌های تکاملی برای یافتن تقریب‌های خوبی از حداکثر مدولاریت [ 47 ، 48 ، 49 ] پیشرفت کرده‌اند.]. با این حال، اکثر روش‌های تشخیص جامعه وجود جوامع را در یک شبکه فرض می‌کنند و دیگر ساختارهای ممکن و ترکیبی در مقیاس متوسط ​​را حذف می‌کنند.
در مقابل، شاخه ای از ادبیات بر ساختار هسته- پیرامونی (CP) تمرکز دارد [ 41 ، 50 ، 51 ]. همانطور که ابتدا بورگاتی و اورت [ 50 ] به طور مشخص تعریف کردند، یک ساختار CP در یک شبکه دودویی دارای 1 بلوک (با تمام سلول‌های ماتریس 1) در هسته، 0 بلوک (با همه 0) در پیرامون، و بلوک‌ها مخلوط است. با 1 و 0 در موقعیت هسته / حاشیه. آنها با محاسبه یک مقدار هسته برای هر گره (یعنی سطح هسته در مقابل موقعیت محیطی) با استفاده از الگوریتم حداقل باقیمانده (MINRES) اندازه گیری CP را از شبکه های باینری به شبکه های وزنی گسترش دادند. رومباخ و همکاران تعمیم اقدامات بورگاتی و اورت برای محاسبه ساختاری از چندین هسته و ارزیابی بیشتر کیفیت هسته ها [ 51]. کوستوسکا و همکاران یک مدل LARDEG (بزرگترین انحطاط) را برای تشخیص ساختار هسته-پیرامون در شبکه های تجاری بین المللی بخشی در سراسر کشورها توسعه داد [ 52 ]. با این حال، این روش‌های تشخیص CP دارای محدودیت‌های مشابهی در الگوریتم‌های تشخیص جامعه هستند، زیرا آنها دیگر ساختارهای بالقوه میان‌مقیاس را رد می‌کنند.

به منظور اجتناب از ساختار گروه‌بندی از پیش تعیین‌شده (یعنی دام «تعیین روش‌شناختی» [ 14 ])، ما رویکرد WSBM را بدون از پیش تعریف کردن هیچ ساختار بلوکی اتخاذ کردیم. به طور شهودی، WSBM با استنباط گروه‌بندی، تابع احتمال را به حداکثر می‌رساند �و ماتریس بلوک تصادفی �=�کک”ک×ک، جایی که کتعداد گروه های شهر را نشان می دهد. با توجه به یک ماتریس مجاورت آ=آمن�شبکه شهری ( آمن�وزن زوجی از شهرهای i تا j) و فرضی است �به طور معمول با میانگین توزیع می شود �=�کک”ک×کو واریانس �2=�کک”2ک×ک، تابع درستنمایی به صورت زیر مشتق می شود [ 14 ]:

پآ|�،�=پآ|�،�،�2=∏من،�انقضاآمن���من، ����من،��2-آمن�212��من،��2-��من،��22��من،��2-ورود به سیستم��من،��

این مطالعه یک رویکرد قاعده مندسازی بیزی را که توسط آیچر و همکاران توسعه داده شده است، اتخاذ کرد. [ 35 ]. می توان با اختصاص توزیع قبلی مناسب، پارامترها را به عنوان متغیرهای تصادفی در نظر گرفت پ �،�. سپس، می توانیم توزیع پسین را بدست آوریم پ(�،�|آ)طبق قانون بیز:

پ�،�|آ∝پآ|�،�پ�،�
از آنجایی که محاسبه تحلیلی توزیع پسین دشوار است، توزیع قابل فاکتورسازی است ��،�=�� ��� �به صورت تقریبی توسعه یافته است پ�،�|آبا روش یادگیری ماشینی WSBM به راحتی می تواند تعداد بهینه گروه ها را بدون حدس دلخواه تعیین کند. این ساختار را از قبل مانند مدل بلوک معمولی تعریف نمی‌کند، که به یافتن ساختارهای جدید در مقیاس متوسط ​​که در گذشته یافت نشده‌اند، اما ممکن است واقعاً در WCN ها وجود داشته باشند، کمک می‌کند. این مطالعه از Matlab 2016a (The MathWorks, Natick, MA USA) برای اجرای الگوریتم WSBM استفاده کرد و تجسم‌هایی را هم در Matlab و هم در نرم‌افزار متن‌باز Gephi 0.9.1 ( www.gephi.org ، 12 دسامبر 2020) ارائه کرد. در اینجا، ورودی WSBM یک ماتریس مجاورت یک شبکه شهری 126 در 126 است. خروجی نتایج پارتیشن (به عنوان مثال، خوشه ای از شهرها به گروه ها) است، همانطور که در نقشه حرارتی و ماتریس بلوک نشان داده شده است.

اگرچه ژانگ و تیل WSBM را برای تشخیص ساختارهای بین مقیاس منعکس شده در صفحات وب انگلیسی [ 14 ] به کار بردند، اما WCN ها را در زبان های مختلف مقایسه نکردند. این مقاله به منظور تمرکز بر مقایسه ساختارهای میان مقیاس در انگلیسی، آلمانی و فرانسوی گسترش یافته است. ما یک شاخص تناسب افزایشی ( IFI ) برای مقایسه تخیل جغرافیایی در زبان‌های مختلف در مقیاس مزو تعریف کردیم. به طور خاص، IFI xy نشان می‌دهد که یک پارتیشن x برای مقایسه تا چه حد به پارتیشن بهینه y شناسایی شده توسط WSBM تقریب می‌زند. مقدار IFI از 0 تا 1 متغیر است. اگر IFI xy = 0، پارتیشن xنزدیک به یک مدل تهی است (بدون پارتیشن، K = 1). اگر IFI xy = 1، پارتیشن x برابر با پارتیشن بهینه y است. به عبارت دیگر، اگر مقدار IFI بزرگتر باشد ، شبکه احتمالاً ساختاری در مقیاس متوسط ​​از پارتیشن x داشته باشد. معادله IFI xy را می توان به صورت زیر نوشت:

منافمنایکس�=��ایکس-���تولل���-���تولل
اینجا، ���توللامتیاز ورود به سیستم درستنمایی بدون هیچ ساختار پارتیشنی است (یعنی K = 1)، همانطور که در معادله (1) محاسبه شده است. ���مقدار لاگ احتمال پارتیشن بهینه y برآورد شده است. ��ایکسمقدار لاگ احتمال پارتیشن x برای مقایسه است.

5. نتایج

5.1. تجزیه و تحلیل مقایسه ای در مقیاس کلان: رتبه بندی و توزیع مرکزیت های درجه

این مطالعه ابتدا یک تحلیل مقایسه‌ای در مقیاس کلان از رتبه‌بندی شهر و توزیع مقیاس‌های خرد ارائه داد. شکل 1 توزیع جغرافیایی 126 شهر جهان، مرکز درجه آنها و دو شهر برتر را نشان می دهد، همانطور که در صفحات وب به زبان انگلیسی ( شکل 1 الف)، آلمانی ( شکل 1 ب) و فرانسوی ( شکل 1 ) منعکس شده است.ج). در هر شکل، اندازه نشانگرهای گرهی سطوح عادی مرکزیت درجه در هر شبکه است، با شهر برتر (یعنی نیویورک) در 1 تنظیم شده است، و رنگ خطوط دوتایی شهرها را در رتبه بندی های مختلف نشان می دهد. توزیع جغرافیایی WCN ها دارای برخی شباهت ها و همچنین ویژگی های متفاوت در سه زبان است. برای مثال، اولاً، شهرهای مرکزی با مرکزیت اصلی WCN ها به سه زبان، بیشتر در آمریکای شمالی و اروپا قرار دارند. با این حال، مرکزیت ها (یعنی اندازه گره ها در شکل 1) به طور مساوی در سراسر جهان به زبان های انگلیسی و فرانسوی توزیع شده اند، در حالی که موارد در WCN آلمان بیشتر در شهرهای آلمان (به عنوان مثال، برلین و فرانکفورت) و شهرهای برتر جهان مانند نیویورک، لندن و پاریس متمرکز هستند. در مقایسه با WCN در انگلیسی، شهرهای WCN فرانسوی و آلمانی به شدت در منطقه اروپا نسبت به منطقه آمریکا توزیع شده‌اند.
دوم، توزیع 100 و 500 زوج برتر شهری ظاهراً نشان می‌دهد که WCN‌های انگلیسی و فرانسوی جهانی‌تر شده‌اند، زیرا دوتایی‌های برتر اکثر قاره‌ها و شهرهای مهم در سراسر جهان را به هم متصل می‌کنند، در حالی که زوج‌های برتر شهری شبکه آلمان به‌صورت پراکنده به هم متصل هستند. به آمریکای جنوبی و اقیانوسیه.
سوم، با فرض اینکه شبکه‌های دوتایی شهرهای برتر، تصورات جغرافیایی اولیه جهانی شدن را نشان می‌دهند، هر سه گروه جمعیتی که از انگلیسی، آلمانی و فرانسوی استفاده می‌کنند، دیدگاه‌های جهانی‌سازی مشابهی از یک پیکربندی سه‌گانه دارند که ایالات متحده، اروپا و منطقه ساحلی آسیای شرقی را به هم متصل می‌کند. . به طور خاص، ارتباطات مجموع بین اروپا و آمریکای شمالی در هر سه شبکه قوی‌ترین است، در حالی که پیوندهایی که آسیا را به آمریکای شمالی و اروپا متصل می‌کنند نیز در بالاترین رتبه قرار دارند. در مناطق حاشیه ای مانند آمریکای جنوبی، زبان های مختلف مراکز توزیع خود را دارند، مانند بوئنوس آیرس و سانتیاگو در شبکه انگلیسی، کاراکاس و لیما در شبکه آلمانی، و ریودوژانیرو و شهر پاناما در شبکه فرانسوی.
جدول 1 رتبه بندی گره های شهر را با مرکزیت درجه بالا گزارش می کند. در WCN انگلیسی، نیویورک، لندن و شیکاگو در رتبه سه برتر قرار دارند. 20 شهر برتر جهان عمدتاً آنهایی هستند که از انگلیسی به عنوان زبان رسمی اصلی استفاده می کنند و بیشتر آنها در کشورهای مشترک المنافع و ایالات متحده واقع شده اند. استثناها پاریس، برلین، سنگاپور، رم و بارسلون هستند که شهرهای سنتی مهم جهان هستند که از زبان های دیگر استفاده می کنند. به طور مشابه، در WCN آلمان، بسیاری از 20 شهر برتر، شهرهای آلمانی هستند و 10 شهر برتر عمدتاً شهرهای آلمان هستند به جز نیویورک، لندن و پاریس. در WCN فرانسه، اگرچه 20 شهر برتر عمدتاً شهرهای فرانسوی زبان هستند، اما در فرانسه متمرکز نیستند اما به طور گسترده در آمریکای شمالی و اروپا توزیع شده اند.
با نگاهی به ویژگی‌های مقیاس کوچک شهرهای خاص، متوجه شدیم که نیویورک در WCN هر سه زبان در رتبه اول قرار دارد، در حالی که رتبه دوم به ترتیب پایتخت‌های بریتانیا، آلمان و فرانسه است. این یافته نشان می‌دهد که نفوذ جهانی نیویورک از مرزهای فرهنگی و زبانی عبور می‌کند. شهرهای پاریس، لندن، برلین، رم و سنگاپور سه بار در فهرست‌های رتبه‌بندی ظاهر می‌شوند و تأثیرات جهانی خود را در فرهنگ‌های مختلف نشان می‌دهند. علاوه بر این، هنگ کنگ در WCN های فرانسه و آلمان در رتبه 20 برتر قرار دارد اما در 20 رتبه برتر WCN انگلیسی قرار ندارد. این نشان می دهد که هنگ کنگ به نظر می رسد نقش مهم تری در جهان فرانسه و آلمان نسبت به جهان انگلیسی دارد. همچنین جالب است که هیچ شهر چینی یا ژاپنی در سه لیست موجود نیستجدول 1 ، اگرچه بسیاری از مطالعات نشان می‌دهد که شهرهای چین نقش مهمی را در توسعه اقتصادی جهانی و شکل‌دهی WCN‌های مربوطه بازی می‌کنند [ 4 ، 53 ]. منطقی است که شهرهای چین ممکن است پیوندهای اقتصادی بسیار بزرگی با شهرهای غربی داشته باشند اما ارتباطات نسبتاً ضعیفی در فرهنگ یا سایر ویژگی های غیراقتصادی داشته باشند. این یافته‌ها نشان می‌دهد که تأثیر یک شهر جهانی ممکن است در زبان و فرهنگ متفاوت باشد، که توسط آن مردم ممکن است جغرافیای متفاوت جهان و جهانی شدن را درک کنند. بنابراین بررسی دقیق نقش ها و موقعیت های شهرهای جهان در شبکه های چندگانه حائز اهمیت است.
شکل 2 توزیع وزن های دوتایی مجموع را در گره های شهر و زوج های شهری WCN ها به سه زبان ( شکل 2 a,b)، همراه با نمودارهای توزیع درجه تجمعی ( شکل 2 c) نشان می دهد. توزیع تجمعی درجه یا وزن C(k) نشان‌دهنده کسری از گره‌ها با درجه کوچک‌تر از k یا کسر یال‌ها (یعنی زوج‌های شهری) با وزن یال کوچک‌تر از k است، آنها اغلب برای تجزیه و تحلیل مرکزیت درجه یا یال استفاده می‌شوند. وزن‌ها در چند گره/لبه بالا متمرکز می‌شوند یا اینکه آیا با توزیع قانون قدرت مطابقت دارند. مطابق شکل 2a، به طور کلی، توزیع وزن در گره های شهر در سه شبکه مشابه به نظر می رسد. با این حال، برای شهرهای با رتبه برتر، WCN های آلمانی و فرانسوی سلسله مراتبی تر از WCN های انگلیسی به نظر می رسند: 10٪ شهرهای برتر جهان حدود 30٪ از وزن کل لبه ها را در WCN های آلمان و فرانسه جمع می کنند، اما حدود 20٪ از وزن ها در WCN های انگلیسی در مقابل، 40 درصد از شهرها به ترتیب حدود 80، 70، 60 درصد وزن کل را در WCN های انگلیسی، فرانسوی و آلمانی اشغال می کنند. علاوه بر این، توزیع وزن در میان دوتایی ها ( شکل 2 ب) قطبی تر است و با زبان کمتر متفاوت است، با حدود 80 درصد وزن لبه ها در 10 درصد دوتایی شهرها توزیع شده است. شکل 2c بیشتر توزیع درجه تجمعی را نشان می دهد. مرکزیت های درجه به سادگی از توزیع قانون قدرت پیروی نمی کنند زیرا توزیع آنها در هر سه زبان خطی نیست. برای WCN های انگلیسی و آلمانی، منحنی های توزیع درجه را می توان به ترتیب به دو خط مستقیم که با قانون توان مطابقت دارند، جدا کرد.

5.2. مقایسه ساختارهای میان مقیاس بر اساس یافته های WSBM

اگرچه تجزیه و تحلیل کلان مقیاس های محلی در بالا اطلاعات تقریبی در مورد ساختار میان مقیاس یک WCN ارائه می دهد، اما هیچ دلالتی در مورد تعداد خوشه ها/گروه های شهرها در WCN و نقش آنها در شبکه ها ندارد. این مطالعه از WSBM برای ارائه یک استنتاج آماری از تعداد گروه‌ها و ساختار بهینه مقیاس متوسط ​​استفاده کرد. ما ابتدا مجموعه‌ای از WSBM را با تغییر تعداد پارتیشن‌های K از 2 به 20 تخمین زدیم، سپس بررسی کردیم که چگونه مقادیر لاگ احتمال حاشیه‌ای با K تغییر می‌کنند و تعداد بهینه پارتیشن‌ها را زمانی که مقدار لاگ درست‌نمایی متناظر به حداکثر می‌رسد، شناسایی کردیم. پس از این فرآیندها، نتایج WSBM نشان می دهد که تعداد بهینه گروه ها در WCN های انگلیسی، آلمانی و فرانسوی به ترتیب 8، 6 و 6 است.
از آنجایی که WSBM ساختاری در مقیاس متوسط ​​را در WCN ها فرض نمی کند، ممکن است نتایج گروه بندی متغیر را از نقشه های حرارتی ( شکل 3 ) و ماتریس های بلوکی ( شکل 4 ) تشخیص دهیم. شکل 3 نقشه های حرارتی ماتریس مجاورت 126 × 126 را نشان می دهد که توسط WSBM به زبان های مختلف تقسیم شده است (ستون سمت چپ) و WCN ها را در یک طرح Fruchterman-Reingold توسط Gephi (ستون سمت راست) به تصویر می کشد. شکل 4منعکس کننده روابط درون و بین گروهی است که به تعیین نقش هر گروه به عنوان هسته، نیمه هسته، نیمه پیرامونی یا پیرامون کمک می کند. در اینجا، یک هسته نشان دهنده گروهی از شهرها با ارتباطات قوی در درون گروه و با شهرها در گروه های دیگر است، در حالی که یک حاشیه، گروهی از شهرها است که ارتباط ضعیفی با یکدیگر و گروه های دیگر دارند. گروه بندی و نقش شهرهای جهان به زبان های مختلف به تفصیل در پیوست A ارائه شده است ( جدول A1 ، جدول A2 ، جدول A3 ).
با توجه به شکل 3 ، ساختارهای میان مقیاس به طور برجسته در زبان های مختلف متفاوت هستند. به عنوان مثال، دنیای انگلیسی یک شبکه ترکیبی از ساختارهای جامعه و هسته – پیرامون ( شکل 3 الف) یا ساختار چند هسته ای – پیرامونی [ 14 ] را درک می کند.]. با جزئیات بیشتر، WCN انگلیسی دارای سه هسته است: یک هسته جهانی با نفوذ جهانی (یعنی گروه 1 با تنها یک شهر جهانی، یعنی نیویورک) و دو هسته منطقه ای (گروه های 2 و 4) با تأثیرات کلان منطقه ای در به ترتیب مناطق غربی و آسیایی. گروه های 3 و 5 نقش نیمه پیرامونی را ایفا می کنند و به دو هسته اول و هسته های آسیایی (یعنی گروه 3) خدمت می کنند. گروه های 6، 7، و 8 محیطی هستند زیرا با سه گروه اصلی ارتباط قوی دارند اما با سایر گروه های پیرامونی پیوندهای نسبتا ضعیفی دارند. ساختار میان مقیاس در شکل 4 a که نقشه حرارتی 3 بعدی ماتریس بلوک را با پارتیشن ارائه می کند، بهتر شناخته شده است.
WCN آلمان دارای دو هسته خاص است، اما بدون ساختار جامعه است ( شکل 3 ب و شکل 4 ب). گروه 1 (یعنی نیویورک) هسته جهانی است در حالی که گروه 2 (شامل بسیاری از شهرهای آلمان و کشورهای اطراف) هسته منطقه ای است. بقیه گروه ها محیطی هستند. به طور خاص، گروه های 3، 4، و 6 ارتباطات قوی با هسته جهانی دارند اما پیوندهای نسبتا ضعیفی با هسته دوم دارند. در مقابل، تنها گروه 5 به عنوان نقش پیرامونی هسته منطقه ای (یعنی گروه 2) عمل می کند. برخلاف WCN انگلیسی، هیچ حاشیه ای برای هر دو هسته در WCN آلمان وجود ندارد.
WCN فرانسه ساختاری در مقیاس متوسط ​​را بیشتر شبیه یک ساختار معمولی هسته-محیطی ارائه می دهد ( شکل 3 c و شکل 4 c). سه گروه اول، سه هسته در سطوح مختلف هستند، در حالی که سه گروه باقیمانده، محیطی هستند، با اتصالات نسبتاً قوی‌تری با سه هسته نسبت به گروه‌های محیطی.
با مقایسه ساختارهای میان مقیاس WCN ها در سه زبان، می‌توان دریافت که نیویورک مرکز جهانی صرف نظر از زبان‌هاست، و پاریس دو برابر شهر اصلی کلان منطقه‌ای (به انگلیسی و فرانسوی) نشان می‌دهد. با این حال، نقش بسیاری از شهرهای جهان در زبان و فرهنگ متفاوت است. به عنوان مثال، هنگ کنگ به عنوان یک مرکز جهانی در جهان فرانسه و به عنوان یک مرکز منطقه ای در شبکه انگلیسی نقش بسیار تأثیرگذاری دارد، در حالی که در شبکه آلمانی نسبتاً در لبه بالایی قرار دارد. علاوه بر این، شهرها زمانی که از نظر فرهنگی نزدیک باشند، مستعد تبدیل شدن به یک خوشه هستند، مانند زمانی که زبان های اول این شهرها یکسان است، همانطور که در پیوست A نشان داده شده است.
علاوه بر این، با استفاده از مقدار IFI محاسبه‌شده در معادله (3) شباهت‌های ساختارهای مقیاس متوسط ​​را در زبان‌های مختلف مقایسه کردیم . این رویکرد مقایسه‌ای می‌تواند تفاوت یا شباهت کلی بین یک ساختار در مقیاس متوسط ​​(یعنی یک پارتیشن شهری) و پارتیشن بهینه برآورد شده توسط WSBM را کمی‌سازی کند. جدول 2 نتایج مقادیر IFI را برای مقایسه نشان می دهد. ما ابتدا بررسی کردیم که تقسیم بندی منطقه‌بندی مبتنی بر قاره (به عنوان مثال، شش گروه بر اساس قاره) تا چه حد به ساختارهای مقیاس متوسط ​​شناسایی شده WCN در سه زبان تقریب می‌زند. بر اساس IFIارزش‌ها، WCN‌های آلمانی و فرانسوی بیشتر از WCN انگلیسی ساختاری در مقیاس متوسط ​​از منطقه‌بندی مبتنی بر قاره نشان می‌دهند، اگرچه مقادیر IFI متناظر آنها همگی زیر ۵۰٪ است. این یافته نشان می‌دهد که WCN منعکس‌شده در محتوای صفحه وب انگلیسی دارای ویژگی‌های قلمروگرایانه کمتری است، در حالی که سرزمین‌گرایی ممکن است نقش مهم‌تری در شکل‌دهی تصورات جغرافیایی مردم از جهانی‌سازی در WCN‌های فرانسه و آلمان داشته باشد.
این یافته ها همچنین نشان می دهد که افراد مختلف ممکن است تصورات جغرافیایی متفاوتی از جهانی شدن داشته باشند. مطابق جدول 2ساختار چند هسته‌ای- پیرامونی شناسایی‌شده در WCN انگلیسی تنها می‌تواند حدود ۶۰ درصد از ساختارهای بهینه مقیاس متوسط ​​را در WCN‌های آلمانی و فرانسوی توضیح دهد. استفاده از پارتیشن بهینه در دنیای انگلیسی برای درک دنیای آلمانی و فرانسوی ممکن است 40 درصد انحراف ایجاد کند. اگر باور کنیم که ساختار شبکه ای درک شده در دنیای انگلیسی با ساختاری که در دنیای زبان ها یا فرهنگ های دیگر درک می شود، ممکن است مغرضانه باشد. این همچنین اهمیت بررسی جهانی‌سازی‌های چندگانه و WCN‌های چندگانه در فرهنگ‌ها و زبان‌های مختلف را نشان می‌دهد، به‌جای تمرکز بر شبکه‌ای منحصربفرد و بدون زمینه از پیوندهای اقتصادی.
علاوه بر این، ساختارهای مقیاس متوسط ​​در WCN آلمان و فرانسه بیشتر شبیه به یکدیگر هستند تا WCN انگلیسی. ساختار مقیاس متوسط ​​در WCN آلمان 35٪ شبیه به شبکه انگلیسی و 53٪ به شبکه فرانسوی است، در حالی که در WCN فرانسه 33٪ شبیه به WCN انگلیسی و 56٪ به شبکه آلمانی است. این یافته‌ها ظاهراً بر تأثیرات نامتقارن زبان‌های مختلف در شکل‌دهی WCN دلالت دارند. ساختار میان مقیاس شناسایی شده در شبکه انگلیسی به نظر می رسد که قدرت توضیح بهتری برای تفسیر WCN های زبان های دیگر دارد. این ممکن است به این واقعیت مرتبط باشد که انگلیسی زبان جهانی‌تر از آلمانی و فرانسوی است. بنابراین، تصور جغرافیایی جهانی شدن در جهان انگلیسی تعمیم بیشتری دارد. به این معنا که،

6. نتیجه گیری

این مطالعه با برجسته کردن ساختارهای چند مقیاسی WCN های چندگانه منعکس شده در محتوای صفحه وب اینترنت به زبان های مختلف، به بحث در مورد جهانی شدن های متعدد کمک می کند. ما داده‌ها را با موتور جستجوی پیشرفته Google که خدمات جستجو را بر اساس زبان ارائه می‌کند، خزیدیم و وزن پیوندهای بین شهری را به عنوان تعداد صفحات وب با نام هر دو شهر به انگلیسی، آلمانی یا فرانسوی تعریف کردیم. این شبکه‌های مبتنی بر زبان با WCN‌ها در اکثر مطالعات قبلی با تمرکز بر پیوندهای اقتصادی منحصربه‌فرد تفاوت دارند و شکاف مقایسه WCN بر اساس زبان و فرهنگ را پر می‌کنند [ 9 ، 10 ].
با تکیه بر مجموعه‌های کلان داده، ما یک رویکرد شبکه پیچیده را با انجام یک تجزیه و تحلیل در مقیاس کلان از رتبه‌بندی شهرها و توزیع اقدامات محلی و همچنین تجزیه و تحلیل میان مقیاس تشخیص ساختارهای گروه‌بندی بالقوه، بر اساس یک مدل بلوک تصادفی وزنی (WSBM) اتخاذ کردیم. در حالی که بیشتر مطالعات موجود از مقایسه ساختارهای میان مقیاس در WCN غفلت می‌کنند، یافته‌های ما اهمیت بحث در مورد ویژگی‌های مقیاس متوسط ​​را در مطالعات مقایسه‌ای WCN نشان می‌دهد، زیرا تجزیه و تحلیل در مقیاس میانی می‌تواند درک ما را در مورد ویژگی‌های WCN که به راحتی در تجزیه و تحلیل در مقیاس میکرو یا در مقیاس کلان مشاهده نمی‌شوند عمیق‌تر کند. [ 14]. علاوه بر این، نتایج مزیت رویکرد WSBM را در مقایسه با روش‌های سنتی خوشه‌بندی شهر، مانند تجزیه و تحلیل مؤلفه‌های اصلی، خوشه‌بندی سلسله مراتبی و روش‌های تشخیص جامعه نشان می‌دهد [ 19 ، 21 ، 22 ، 23 ، 24 ، 54 ، 55 ، 56 .]. WSBM ها می توانند از دام جبر روش شناختی اجتناب کنند و پیکربندی های متعددی از ساختارهای هسته- پیرامون یا ترکیبی در WCN های مختلف استخراج کنند، که تشخیص ساختار آنها در روش های دیگر خوشه بندی دشوار است. با این حال، رویکرد WSBM از یک الگوریتم یادگیری ماشین برای تقریب توزیع پسین استفاده می‌کند که نیاز به تکرار مداوم داده‌ها دارد که منجر به بار محاسباتی سنگین می‌شود. بنابراین، این رویکرد برای تجزیه و تحلیل شبکه‌های مقیاس بزرگ با گره‌های شهری بسیاری باید بهبود یابد.
به طور خاص، از تجزیه و تحلیل در مقیاس کلان، شبکه های جهانی شهر در زبان های مختلف دارای شباهت ها و همچنین تفاوت هایی هستند. برای مثال، بدون توجه به زبان‌ها، ارتباطات بین‌شهری عمدتاً بین اروپا، آمریکای شمالی و آسیا توزیع شده‌اند، در حالی که شهرهای تأثیرگذار مرکزی با مرکزیت درجه بالا در سه WCN عمدتاً شهرهای اروپایی آمریکا هستند. نیویورک همیشه در سه WCN در رتبه اول قرار دارد که نشان می دهد نفوذ جهانی غالب آن از مرزهای فرهنگی و زبانی عبور می کند. از سوی دیگر، رتبه‌بندی خاص مراکز شهرها در بین زبان‌ها به‌طور قابل‌توجهی متفاوت است، زیرا آنها تحت تأثیر توزیع جغرافیایی زبان‌ها و سطوح جهانی شده شهرها در زبان‌های مختلف قرار دارند.4 ، 57 ]. مقایسه یافته‌های ما با برخی مطالعات خوشه‌بندی شهر موجود بر اساس دیدگاه‌های اقتصادی، فرهنگی و سیاسی جهانی شدن جالب است [ 4 ، 5 ]. به عنوان مثال، تیلور [ 5 ] دریافت که در جهانی شدن اقتصادی، علاوه بر نیویورک، لندن و پاریس، توکیو اغلب به عنوان یکی از پنج کشور برتر شناخته می شود. در جهانی شدن فرهنگی، شهر برتر دیگر نیویورک نیست، بلکه لندن است. در جهانی‌سازی سیاسی، ژنو و بروکسل اغلب نقش‌های مسلط را ایفا می‌کنند، در حالی که نیویورک به دنبال آن است.
در مقیاس مزو، نتایج ساختارهای گروه بندی متنوعی را در WCN ها بر اساس زبان نشان می دهد، از جمله ساختار چند هسته ای- پیرامونی در دنیای انگلیسی، یک ساختار دو هسته ای- پیرامونی در جهان آلمان، و یک ساختار معمولی هسته- پیرامونی در جهان فرانسوی. . در حالی که نیویورک و پاریس به ترتیب به عنوان مراکز جهانی و کلان منطقه ای شناخته می شوند، نقش و موقعیت بسیاری از شهرهای جهان در WCN ها در زبان های مختلف متفاوت است. بر اساس IFIتخمین‌ها، ما تفاوت‌های جالبی را در ساختارهای میان‌مقیاس بر اساس زبان اندازه‌گیری و شناسایی کردیم. اول، WCN انگلیسی جهانی‌تر به نظر می‌رسد، در حالی که جهان فرانسه و آلمان بیشتر قلمرو به نظر می‌رسند. دوم، زبان های مختلف ممکن است تصورات جغرافیایی متفاوتی از جهانی شدن را نشان دهند. استفاده از ساختار میان مقیاس شناسایی شده در WCN انگلیسی برای درک جهان در زبان های دیگر ممکن است مغرضانه باشد. این یافته با مطالعه WCN بر اساس شرکت‌های مالی اسلامی جهانی قابل مقایسه است [ 31] که گزارش داد WCN تحت فرهنگ اسلامی با تصورات جغرافیایی در کشورهای غربی متفاوت است. سوم، به نظر می‌رسد که ساختار میان مقیاس شناسایی‌شده در WCN انگلیسی دارای قابلیت تعمیم بزرگ‌تری برای تقسیم‌بندی WCN‌های زبان دیگر است، که نشان می‌دهد WCN انگلیسی ممکن است یک شبکه عمومی‌تر باشد. همه این یافته‌ها درک ما را از ساختارهای مزو مقیاس نهفته مختلف در WCN‌های مشاهده‌شده در زبان‌ها و فرهنگ‌های مختلف غنی می‌کنند. چهارم، شبکه‌های شهری که در زبان‌های مختلف متفاوت هستند، ممکن است نزدیکی فرهنگی بین شهرها با تاریخ‌های پیوسته مهاجران، دیاسپوراها و پیوندهای استعماری را نشان دهند [ 20 ]]. به عنوان مثال، با توجه به تاریخ استعماری گذشته، اگرچه برخی از شهرها از یکدیگر دور هستند، اما هنوز هم زبان‌های یکسانی دارند، هویت فرهنگی مشترکی دارند و بنابراین در فضای مجازی و در نتیجه در شهر مبتنی بر صفحه وب ارتباط نزدیکی دارند. شبکه ها در این مطالعه
چندین پیشرفت مستحق بررسی بیشتر هستند. اول، کار آینده باید WCN ها را به زبان های بیشتری مقایسه کند، به ویژه در چینی و ژاپنی، با توجه به اینکه شهرهای چین و ژاپن به مراکز فرماندهی و کنترل حیاتی در جهان تبدیل شده اند. ثانیاً، شهرهای بیشتری باید در مطالعات آینده مشارکت داشته باشند، به ویژه شهرهای مهمی که به طور گسترده به زبان‌های بومی نام برده می‌شوند، اما نه به زبان‌های غربی. سوم، داده‌های پیوندهای بین شهری با فرکانس همزمان در صفحات وب ممکن است در بیان جزئیات این پیوندها ناکام باشند. اندازه گیری پیوندهای بین شهری را می توان با در نظر گرفتن نوع شناسی محتوای صفحه وب، مانند اخبار تجاری، اخبار سیاسی، اطلاعات حمل و نقل یا موارد دیگر، که اخیراً توسط Salvini، Fabrikant و Hu و همکاران انجام شده است، بهبود بخشید. [ 13 ،17 ]. این بهبود ما را قادر می سازد تا انواع مختلف WCN ها را در صفحات وب بر اساس زبان مقایسه کنیم [ 13 ]، و همچنین چارچوبی قابل مقایسه بین رویکرد سند و رویکردهای شرکتی و زیرساختی ایجاد کنیم [ 14 ]. چهارم، مقایسه شبکه غیراقتصادی بر اساس زبان با WCNهای سنتی غالب اقتصادی، مانند شبکه‌هایی که با پیوندهای شرکتی یا زیرساختی متصل هستند، جالب خواهد بود. در نهایت، کار آینده باید دلایل شکل‌گیری ساختارهای میان مقیاس را بررسی کند. این یک نقطه پیشرفت دشوار اما مهم برای تحقیقات شبکه است.

پیوست اول

جدول
جدول A1. توزیع شهر در بین گروه‌ها در WCN انگلیسی.
جدول
جدول A2. توزیع شهر در بین گروه‌ها در WCN آلمان.
جدول
جدول A3. توزیع شهر در بین گروه‌ها در WCN فرانسه.

منابع

  1. فریدمن، جی. فرضیه شهر جهانی. توسعه دهنده چانگ. 1986 ، 17 ، 69-83. [ Google Scholar ] [ CrossRef ]
  2. Castells, M. The Rise of the Network Society , 1st ed.; مطبوعات Wiley-Blackwell: آکسفورد، انگلستان، 1996; ص 407-445. [ Google Scholar ]
  3. Beaverstock, JV; دوئل، MA; هابارد، پی جی. Taylor، PJ حضور در جهان: رقابت، همکاری و اتصال در شبکه شهر جهانی. گلوب. شبکه 2002 ، 2 ، 111-132. [ Google Scholar ] [ CrossRef ]
  4. درودر، بی. تیلور، پی جی سه جهانی سازی که قرن بیست و یکم را شکل می دهند: درک جغرافیای جدید جهان از طریق شهرهای آن. ان صبح. دانشیار Geogr. 2020 ، 110 ، 1831-1854. [ Google Scholar ] [ CrossRef ]
  5. تیلور، PJ شهرهای پیشرو جهان: ارزیابی های تجربی گره های شهری در شبکه های متعدد. مطالعه شهری. 2005 ، 42 ، 1593-1608. [ Google Scholar ] [ CrossRef ]
  6. درودر، بی. Taylor, P. Change in the world city network, 2000-2012. پروفسور Geogr. 2016 ، 68 ، 624-637. [ Google Scholar ] [ CrossRef ]
  7. Krätke، S. پیوندهای شرکت های جهانی داروسازی و بیوتکنولوژی در شبکه جهانی شهر. مطالعه شهری. 2014 ، 51 ، 1196-1213. [ Google Scholar ] [ CrossRef ]
  8. سیگلر، تی جی; مارتینوس، ک. گسترش فراتر از “شهرهای جهانی” در تحقیقات شبکه جهانی شهر (WCN): موقعیت شهری و پیوندهای اقتصادی از طریق شبکه شرکتی مستقر در استرالیا. محیط زیست طرح. یک اقتصاد. Space 2016 , 49 , 2916–2937. [ Google Scholar ] [ CrossRef ]
  9. رابینسون، جی. شهرهای جهانی و جهان: نمایی از روی نقشه. بین المللی J. Urban Reg. Res. 2002 ، 26 ، 531-554. [ Google Scholar ] [ CrossRef ]
  10. تربورن، جی. پایان یک پارادایم: بحران کنونی و ایده شهرهای بدون دولت. محیط زیست طرح. A 2011 , 43 , 272-285. [ Google Scholar ] [ CrossRef ]
  11. لانزا، ای. ولدماریام، اچ. ایدئولوژی زبان و چشم انداز زبانی: سیاست زبان و جهانی شدن در پایتخت منطقه ای اتیوپی . Routledge Press: لندن، انگلستان، 2008; ص 229-245. [ Google Scholar ]
  12. Levine, DN Greater Ethiopia: The Evolution of a Multithnic Society , 2nd ed.; انتشارات دانشگاه شیکاگو: شیکاگو، IL، ایالات متحده آمریکا، 2000; صص 163-196. [ Google Scholar ]
  13. سالوینی، م.م. Fabrikant، SI فضایی سازی محتوای تولید شده توسط کاربر برای کشف شبکه شهر جهانی چند رابطه ای. محیط زیست طرح. B طرح. دس 2015 ، 43 ، 228-248. [ Google Scholar ] [ CrossRef ]
  14. ژانگ، دبلیو. تیل، جی.-سی. ساختارهای میان مقیاس در شبکه های شهرهای جهان ان صبح. دانشیار Geogr. 2019 ، 109 ، 887–908. [ Google Scholar ] [ CrossRef ]
  15. لیو، ی. وانگ، اف. کانگ، سی. گائو، ی. Lu, Y. تجزیه و تحلیل ارتباط بر اساس نامهای همزمان در صفحات وب. ترانس. GIS 2014 ، 18 ، 89-107. [ Google Scholar ] [ CrossRef ]
  16. ویلیامز، جی اف. Brunn، SD Cybercities of Asia: سنجش جهانی شدن با استفاده از پیوندها (شهرهای آسیایی و پیوندها). جغرافیای آسیایی 2004 ، 23 ، 121-147. [ Google Scholar ] [ CrossRef ]
  17. هو، ی. بله، X. شاو، اس.-ال. استخراج و تحلیل ارتباط معنایی بین شهرها با استفاده از مقالات خبری. بین المللی جی. جئوگر. Inf. علمی 2017 ، 31 ، 2427-2451. [ Google Scholar ] [ CrossRef ]
  18. Taylor, PJ جغرافیای جدید جامعه مدنی جهانی: سازمان های غیردولتی در شبکه شهر جهانی. جهانی شدن ها 2004 ، 1 ، 265-277. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. تیلور، پی جی؛ هویلر، ام. واکر، DR. Szegner, MJ نقشه برداری جدید از جهان برای هزاره جدید. Geogr. J. 2001 , 167 , 213-222. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. مارتینوس، ک. سیگلر، تی جی جهانی خوشه های شهر: نظریه پردازی مجاورت فضایی و غیر فضایی در شبکه های شرکت بین شهری. Reg. گل میخ. 2018 ، 52 ، 1-13. [ Google Scholar ] [ CrossRef ]
  21. روزنبلات، سی. زیدی، ف. Bellwald، A. منطقه ای چند قطبی شهرها در شبکه های شرکت های چند ملیتی. گلوب. شبکه 2017 ، 17 ، 171-194. [ Google Scholar ] [ CrossRef ]
  22. آلدرسون، ع. بکفیلد، جی. قدرت و موقعیت در نظام شهر جهانی. صبح. جی. سوسیول. 2004 ، 109 ، 811-851. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. نیل، Z. شیطان در جزئیات است: تفاوت در شبکه های ترافیک هوایی بر اساس مقیاس، گونه ها و فصل. Soc. شبکه 2014 ، 38 ، 63-73. [ Google Scholar ] [ CrossRef ]
  24. آیچر، سی. جیکوبز، AZ; Clauset, A. یادگیری ساختار بلوک پنهان در شبکه های وزنی. J. مجتمع Netw. 2015 ، 3 ، 221-248. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. کراتکه، اس. چگونه صنایع تولیدی شهرها را در سراسر جهان به هم متصل می کنند: گسترش تحقیقات در مورد “جهانی سازی های چندگانه”. گلوب. شبکه 2013 ، 14 ، 121-147. [ Google Scholar ] [ CrossRef ]
  26. مارتینوس، ک. Tonts، M. قدرت بخشیدن به سیستم شهر جهانی: شبکه های صنعت انرژی و اتصال بین شهری. محیط زیست طرح. A 2015 , 47 , 1502-1520. [ Google Scholar ] [ CrossRef ]
  27. Wallerstein, I. سیستم جهانی مدرن 2: اقتصاد جهانی سرمایه داری ; انتشارات دانشگاه کمبریج: کمبریج، انگلستان، 1979; صفحات 1651-1663. [ Google Scholar ]
  28. ساسن، اس . شهر جهانی: نیویورک، لندن، توکیو ; انتشارات دانشگاه پرینستون: پرینستون، نیوجرسی، ایالات متحده آمریکا، 1991; صص 170-172. [ Google Scholar ]
  29. چاو، آ. Loo, B. بکارگیری رویکرد شبکه جهانی شهر برای جهانی شدن آموزش عالی: مفهوم سازی، جمع آوری داده ها و فهرست شهرهای جهان. بالا. آموزش. سیاست 2015 ، 28 ، 107-126. [ Google Scholar ] [ CrossRef ]
  30. هویلر، ام. واتسون، الف. شهرهای رسانه ای جهانی در شبکه های رسانه ای فراملی. Tijdschr. اقتصاد Soc. Geogr. 2013 ، 104 ، 90-108. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  31. باسنز، دی. درودر، بی. Witlox، F. جستجوی مکه مالی: خدمات مالی اسلامی و شبکه جهانی شهر. منطقه 2010 ، 42 ، 35-46. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. Almind، TC; اینگورسن، پی. تحلیل های اطلاعات سنجی در شبکه جهانی وب: رویکردهای روش شناختی به “وب سنجی”. J. Doc. 1997 ، 53 ، 404-426. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. وبر، جی. 10 زبان تاثیرگذار جهان. لنگ امروز 1997 ، 7 ، 81-84. [ Google Scholar ]
  34. پسر، سیستم شبکه هایپرلینک JS و تصویر شهرهای جهانی: صفحات وب و محتویات آنها . دانشگاه کارولینای شمالی در چاپخانه شارلوت: شارلوت، NC، ایالات متحده آمریکا، 2014; صص 145-178. [ Google Scholar ]
  35. آیچر، سی. جیکوبز، AZ; Clauset, A. تطبیق مدل بلوک تصادفی با شبکه های دارای وزن لبه. arXiv 2013 ، arXiv:1305.5782v1. در دسترس آنلاین: https://arxiv.org/abs/1305.5782v1 (دسترسی در 24 مه 2013).
  36. Jeub، LGS؛ بالاچاندران، پ. پورتر، MA; موچا، پی جی؛ ماهونی، MW محلی فکر کنید، محلی عمل کنید: تشخیص جوامع کوچک، متوسط ​​و بزرگ در شبکه‌های بزرگ. فیزیک Rev. E 2015 , 91 , 012821. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  37. تونچ، بی. ورما، آر. استنتاج یکپارچه سازه‌های مقیاس متوسط ​​در شبکه‌ها. PLoS ONE 2015 ، 10 ، e0143133. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  38. درودر، بی. تیلور، نظریه جریان مرکزی PJ: اتصالات مقایسه ای در شبکه جهانی شهر. Reg. گل میخ. 2018 ، 52 ، 1029-1040. [ Google Scholar ] [ CrossRef ]
  39. درودر، بی. تیلور، پی. نی، پ. دی ووس، ا. هویلر، ام. هانسنس، اچ. باسنز، دی. هوانگ، جی. ویتلوکس، اف. شن، دبلیو. و همکاران مسیرهای تغییر: تغییر اتصالات در شبکه شهر جهانی، 08-2000. مطالعه شهری. 2010 ، 47 ، 1861-1877. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  40. واسرمن، اس. فاوست، ک. تجزیه و تحلیل شبکه های اجتماعی: روش ها و کاربردها . انتشارات دانشگاه کمبریج: کمبریج، بریتانیا، 1994. [ Google Scholar ]
  41. Csermely، P. لندن، آ. وو، L.-Y. Uzzi، B. ساختار و پویایی شبکه های هسته / پیرامونی. J. مجتمع Netw. 2013 ، 1 ، 93-123. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  42. Fortunato، S. تشخیص جامعه در نمودارها. فیزیک 2010 ، 486 ، 75-174 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  43. فورتوناتو، اس. Hric، D. تشخیص جامعه در شبکه ها: راهنمای کاربر. فیزیک Rep. 2016 , 659 , 1-44. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. پورتر، MA; اونلا، جی پی. Mucha، PJ جوامع در شبکه ها. نه. صبح. ریاضی. Soc. 2009 ، 56 ، 1082-1097. [ Google Scholar ]
  45. نیومن، MEJ; گیروان، م. یافتن و ارزیابی ساختار جامعه در شبکه ها. فیزیک Rev. E 2004 , 69 , 026113. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  46. برندز، یو. دلینگ، دی. گارتلر، ام. گورک، آر. هوفر، م. نیکولوسکی، ز. واگنر، دی. در مورد خوشه بندی مدولاریته. IEEE Trans. بدانید. مهندسی داده 2008 ، 20 ، 172-188. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. کلاوزت، ا. نیومن، MEJ; مور، سی. یافتن ساختار جامعه در شبکه های بسیار بزرگ. فیزیک Rev. E 2004 , 70 , 066111. [ Google Scholar ] [ CrossRef ][ Green Version ]
  48. بلوندل، وی دی. Guillaume, J.-L.; لامبیوت، آر. Lefebvre, E. آشکار شدن سریع جوامع در شبکه های بزرگ. J. Stat. مکانیک. تئوری Exp. 2008 ، 2008 ، P10008. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. سوبولفسکی، اس. کامپاری، آر. بلی، ا. Ratti, C. تکنیک بهینه سازی عمومی برای تشخیص جامعه با کیفیت بالا در شبکه های پیچیده. فیزیک Rev. E 2014 , 90 , 012811. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  50. اورت، ام جی؛ بورگاتی، SP مرکزیت گروه ها و طبقات. جی. ریاضی. اجتماعی 1999 ، 23 ، 181-201. [ Google Scholar ] [ CrossRef ]
  51. رومباخ، نماینده مجلس؛ پورتر، MA; فاولر، جی اچ. Mucha، PJ ساختار پیرامونی هسته در شبکه ها. J. Appl. ریاضی. 2014 ، 74 ، 167-190. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  52. کوستوسکا، او. میتیکج، س. جووانوسکی، پ. کوکارف، L. ساختار هسته پیرامونی در شبکه های تجاری بین المللی بخشی: رویکردی جدید به یک نظریه قدیمی. PLoS ONE 2020 , 15 , e0229547. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  53. لیو، ایکس. هو، ایکس. آیا «شهرهای خواهر» از «استان های خواهرخوانده» هستند؟ مطالعه اکتشافی روابط خواهر شهر (SCRs) در چین. شبکه تف کردن اقتصاد 2018 ، 18 ، 473-491. [ Google Scholar ] [ CrossRef ]
  54. ژانگ، دبلیو. تیل، JC شناسایی و تجسم الگوهای منسجم فعالیت-سفر: یک رویکرد تحلیل شبکه. محاسبه کنید. محیط زیست سیستم شهری 2017 ، 66 ، 117-129. [ Google Scholar ] [ CrossRef ]
  55. ژانگ، دبلیو. جی، سی. یو، اچ. ژائو، ی. Chai، Y. متغیرهای بین فردی و درون فردی در الگوهای فعالیت روزانه-سفر: تحلیل فضایی و زمانی شبکه ای.ISPRS Int. J. Geo-Inf 2021 ، 10 ، 148. [ Google Scholar ] [ CrossRef ]
  56. ژو، ال. ژانگ، دبلیو. نیش، سی. سان، اچ. Lin, J. بازیگران و شبکه در بازارسازی زمین‌های ساختمانی تجاری با مالکیت جمعی روستایی (RCOCCL) در چین: یک مورد آزمایشی از لانگفا، پکن.خط‌مشی استفاده از زمین 2020 ، 99 ، 104990. [ Google Scholar ] [ CrossRef ]
  57. ژانگ، دبلیو. نیش، سی. ژو، ال. زو، جی. اندازه‌گیری ساختار کلان منطقه‌ای در دلتای رودخانه مروارید توسط داده‌های سیگنالینگ تلفن همراه: یک رویکرد شبکه پیچیده. Cities 2020 , 104 , 102809. [ Google Scholar ] [ CrossRef ]
Ijgi 10 00219 g001 550
شکل 1. توزیع های جغرافیایی گره ها و دوتایی های شهرهای جهان در سه زبان: ( الف ) انگلیسی، ( ب ) آلمانی، ( ج ) فرانسوی.
Ijgi 10 00219 g002 550
شکل 2. توزیع وزن های دوتایی و مرکزیت های درجه گرهی ( الف ) در میان گره های شهر و ( ب ) در میان دوتایی های شهر، و ( ج ) توزیع تجمعی مرکزیت های درجه.
Ijgi 10 00219 g003a 550 Ijgi 10 00219 g003b 550
شکل 3. نقشه های حرارتی و طرح های شبکه ای WCN ها به زبان های مختلف: ( الف ) ساختار چند هسته ای- پیرامونی (انگلیسی)، ( ب ) ساختار دو هسته ای- پیرامونی (آلمانی)، ( ج ) یک ساختار معمولی هسته- پیرامونی (فرانسوی).
Ijgi 10 00219 g004 550
شکل 4. ماتریس بلوک ساختارهای مزو مقیاس: ( الف ) انگلیسی، ( ب ) آلمانی، ( ج ) فرانسوی.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید