According to Scott, “density cannot

According to Scott, “density cannot be used to compare two networks with significantly different sizes” (Scott J.,
2000). Instead the notion of “local density” or Clustering Coefficient can be used. The Clustering coefficient of each
node is calculated as the number of arcs between a node’s immediate neighbours divided by the maximum possible
number of arcs in this neighbourhood. This metric can be used as an index on whether some nodes tend to create
strongly connected areas. It has been shown that a large number of real-life networks, especially in social networks,
nodes tend to form closely connected communities, bearing high local densities. This situation happens in much
larger probability that the average that comes from randomly created networks with similar numbers of nodes and
links (Watts J., Strogatz H., 1998) (Holland P., Leinhardt S., 1971). The average on all clustering coefficients is the
global clustering coefficient of the network, a metric that gives a general sense of a networks clustering (Nettleton
D., 2013).

ผลลัพธ์ (ไทย) 1:

ตามสก็อตต์ "ความหนาแน่นไม่สามารถใช้เพื่อเปรียบเทียบสองเครือข่าย มีขนาดแตกต่างกันอย่างมีนัยสำคัญ" (Scott J.2000) แทนที่จะใช้ความคิดของ "ความหนาแน่นของท้องถิ่น" หรือสัมประสิทธิ์คลัสเตอร์ ค่าสัมประสิทธิ์ Clustering ของแต่ละโหนคำนวณเป็นจำนวนอาร์คระหว่างโหนเพื่อนบ้านได้ทันทีที่หารเป็นไปได้สูงสุดจำนวนอาร์คในละแวกนี้ วัดนี้ใช้เป็นดัชนีบนโหนบางอย่างมีแนวโน้มว่าจะ สร้างพื้นที่ขอเชื่อมต่อ มันแสดงว่า จำนวนจริงเครือข่าย โดยเฉพาะอย่างยิ่งในเครือข่ายสังคมโหนที่มีแนวโน้มการเชื่อมต่ออย่างใกล้ชิดชุมชน แบกความหนาแน่นภายในสูง สถานการณ์นี้เกิดขึ้นมากเครือข่ายน่าเป็นขนาดใหญ่ที่สร้างโดยเฉลี่ยที่มาจากการสุ่มตัวเลขคล้ายคลึงกันของโหน และเชื่อมโยง (J. วัตต์ Strogatz H., 1998) (ฮอลแลนด์ P., Leinhardt S., 1971) ค่าเฉลี่ยจากค่าสัมประสิทธิ์ระบบคลัสเตอร์ทั้งหมดเป็นการค่าสัมประสิทธิ์ระบบคลัสเตอร์ทั่วโลกของเครือข่าย การวัดที่ให้ความรู้สึกทั่วไปของเครือข่ายคลัสเตอร์ (NettletonD., 2013)

ผลลัพธ์ (ไทย) 2:

ตามที่สกอตต์ "ความหนาแน่นไม่สามารถใช้การเปรียบเทียบสองเครือข่ายที่มีขนาดแตกต่างกันอย่างมีนัยสำคัญ" (สกอตต์เจ,
2000) แต่ความคิดของ "ความหนาแน่นของท้องถิ่น" หรือการจัดกลุ่มค่าสัมประสิทธิ์สามารถนำมาใช้ ค่าสัมประสิทธิ์การจัดกลุ่มของแต่ละ
โหนดจะถูกคำนวณเป็นจำนวนโค้งระหว่างเพื่อนบ้านโหนดโดยแบ่งออกเป็นไปได้สูงสุด
จำนวนโค้งในละแวกนี้ ตัวชี้วัดนี้สามารถใช้เป็นดัชนีอยู่กับว่าบางโหนดมีแนวโน้มที่จะสร้าง
พื้นที่เชื่อมต่ออย่างยิ่ง มันแสดงให้เห็นว่าเป็นจำนวนมากของเครือข่ายในชีวิตจริงโดยเฉพาะในเครือข่ายสังคม
โหนดมีแนวโน้มที่จะสร้างชุมชนที่เชื่อมต่ออย่างใกล้ชิดแบกความหนาแน่นสูงในท้องถิ่น สถานการณ์เช่นนี้เกิดขึ้นมากใน
ความน่าจะเป็นขนาดใหญ่ที่ค่าเฉลี่ยที่มาจากเครือข่ายที่สร้างขึ้นแบบสุ่มกับตัวเลขที่คล้ายกันของโหนดและ
การเชื่อมโยง (วัตต์เจ Strogatz เอช 1998) (ฮอลแลนด์พี Leinhardt S. , 1971) เฉลี่ยในทุกค่าสัมประสิทธิ์การจัดกลุ่มเป็น
ค่าสัมประสิทธิ์การจัดกลุ่มทั่วโลกของเครือข่ายตัวชี้วัดที่จะช่วยให้ความรู้สึกทั่วไปของการจัดกลุ่มเครือข่าย (Nettleton
D. , 2013)

ผลลัพธ์ (ไทย) 3:

ตามที่สกอตต์ " ไม่สามารถความหนาแน่นใช้เปรียบเทียบสองเครือข่ายที่มีขนาดแตกต่างกัน ( สก็อต เจเจ2000 ) แทนความ " หนาแน่น " ท้องถิ่นหรือการจัดกลุ่มโดยสามารถใช้ เป็นสัมประสิทธิ์ของแต่ละโหนดคำนวณเป็นตัวเลขของส่วนโค้งระหว่างของโหนดเพื่อนบ้านแบ่งเป็นไปได้สูงสุดทันทีจำนวนโค้งแถวๆนี้ วัดนี้สามารถใช้เป็นดัชนีในว่าบางโหนดมักจะสร้างขอเชื่อมต่อพื้นที่ มันได้ถูกแสดงว่า ตัวเลขขนาดใหญ่ของเครือข่ายจริง โดยเฉพาะอย่างยิ่งในเครือข่ายสังคมโหนดมักจะฟอร์มการเชื่อมต่ออย่างใกล้ชิด ชุมชน ท้องถิ่นมีความหนาแน่นสูง สถานการณ์นี้เกิดขึ้นมากความน่าจะเป็นขนาดใหญ่ที่มีที่มาจากเครือข่ายที่สร้างขึ้นแบบสุ่มตัวเลขที่คล้ายกันของโหนด และการเชื่อมโยง ( วัตต์ เจ strogatz H . , 1998 ) ( หน้า leinhardt ฮอลแลนด์ , S . , 1971 ) โดยเฉลี่ยทุกกลุ่ม ) คือทั่วโลกสำหรับสัมประสิทธิ์ของเครือข่าย , ตัวชี้วัดที่ให้ความรู้สึกทั่วไปของเครือข่ายคลัสเตอร์ ( เน็ตเทิลเติ้นD . 2556 )