The article co-occurrences in a net

The article co-occurrences in a network can be divided into clusters (or modules) where the density of these
co-occurrences is greater between journal articles of the same cluster compared to those of different clusters (Clauset
et al., 2004; Leydesdorff, 2011; Radicchi et al., 2004). Because of the co-occurrences, a cluster can be viewed as a group of
well-connected articles in a research area with limited connection to articles in another research area. Data clustering
can be used as a classification tool for grouping of a set of given articles (Radicchi et al., 2004). Clustering allows for the topological
analysis of networks, identifying topics, interrelations, and collaboration patterns. Clustering has received increasing
attention from scholars turning it into a critical research field in social network analysis (Blondel et al., 2008).
The default clustering tool in Gephi is based on the Louvain algorithm, an iterative optimization model that aims to determine
the optimal number of partitions that maximize the clustering index (Blondel et al., 2008). The clustering index of a
partition is a scalar value between 1 and +1 that measures the density of links inside clusters versus the links between

ผลลัพธ์ (ไทย) 2:

บทความที่เกิดขึ้นร่วมในเครือข่ายสามารถแบ่งออกเป็นกลุ่ม (หรือโมดูล)
ที่มีความหนาแน่นของเหล่านี้เกิดขึ้นร่วมเป็นมากขึ้นระหว่างบทความวารสารกลุ่มเดียวกันเมื่อเทียบกับกลุ่มที่แตกต่างกัน(Clauset
et al, 2004;. Leydesdorff, 2011. RADICCHI, et al, 2004) เพราะเกิดขึ้นร่วมเป็นกลุ่มสามารถถูกมองว่าเป็นกลุ่มของบทความที่ดีที่เชื่อมต่อในพื้นที่วิจัยด้วยการเชื่อมต่อที่ จำกัด ไปยังบทความวิจัยในพื้นที่อื่น
การจัดกลุ่มข้อมูลที่สามารถนำมาใช้เป็นเครื่องมือในการจัดหมวดหมู่สำหรับการจัดกลุ่มของชุดของบทความที่กำหนด (RADICCHI et al., 2004) การจัดกลุ่มช่วยให้การทอพอโลยีการวิเคราะห์เครือข่ายระบุหัวข้อสัมพันธ์และความร่วมมือรูปแบบ การจัดกลุ่มได้รับการเพิ่มความสนใจจากนักวิชาการที่เปลี่ยนมันเป็นสนามการวิจัยที่สำคัญในการวิเคราะห์เครือข่ายทางสังคม (Blondel et al., 2008). เครื่องมือการจัดกลุ่มค่าเริ่มต้นใน Gephi จะขึ้นอยู่กับขั้นตอนวิธีลูรูปแบบการเพิ่มประสิทธิภาพซ้ำที่มีจุดมุ่งหมายในการตรวจสอบที่ดีที่สุดจำนวนของพาร์ทิชันที่เพิ่มดัชนีการจัดกลุ่ม (Blondel et al., 2008) ดัชนีการจัดกลุ่มของพาร์ทิชันเป็นค่าสเกลาระหว่าง 1 และ 1 ที่วัดความหนาแน่นของการเชื่อมโยงภายในกลุ่มเมื่อเทียบกับการเชื่อมโยงระหว่าง

ผลลัพธ์ (ไทย) 3:

บทความ CO ที่เกิดขึ้นในเครือข่ายสามารถแบ่งออกเป็นกลุ่ม ( หรือโมดูล ) ที่ความหนาแน่นของเหล่านี้เหตุการณ์ที่ยิ่งใหญ่ระหว่าง
Co เป็นบทความวารสารของกลุ่มเดียวกันเมื่อเปรียบเทียบกับกลุ่มที่แตกต่างกัน ( clauset
et al . , 2004 ; leydesdorff 2011 ; radicchi et al . , 2004 ) เพราะมีเหตุการณ์ คลัสเตอร์สามารถดูเป็นกลุ่ม
เชื่อมต่อบทความ ในพื้นที่วิจัย กับ จำกัด การเชื่อมต่อไปยังบทความอื่นการวิจัยพื้นที่ การจัดกลุ่มข้อมูล
สามารถใช้เป็นเครื่องมือในการจัดกลุ่มการจัดกลุ่มของชุดของบทความที่ได้รับ radicchi et al . , 2004 ) การจัดกลุ่มช่วยให้วิเคราะห์ทอพอโลยี
ของเครือข่าย ระบุหัวข้อ interrelations และรูปแบบความร่วมมือ การจัดกลุ่มได้รับเพิ่ม
ความสนใจจากนักวิชาการเปลี่ยนมันเป็นข้อมูลสำคัญในการวิเคราะห์เครือข่ายทางสังคม ( blondel et al . , 2008 ) .
เริ่มต้นเครื่องมือในการจัดกลุ่ม gephi จะขึ้นอยู่กับขั้นตอนวิธีการเพิ่มประสิทธิภาพของลู , รุ่นนี้มีวัตถุประสงค์เพื่อศึกษา
จำนวนที่เหมาะสมของพาร์ทิชันที่ใช้ในการจัดกลุ่มดัชนี ( blondel et al . , 2008 ) . เป็นดัชนีของ
พาร์ทิชันเป็นสเกลาร์ค่าระหว่าง 1 และ 1  ที่ใช้วัดความหนาแน่นของการเชื่อมโยงภายในกลุ่มและการเชื่อมโยงระหว่าง