«Информационные Ресурсы России» №2, 2014

Введение

Некоторые результаты исследований связности российского академического Веба были опубликованы автором в 2009 году [1,2]. На множестве из 288 официальных сайтов РАН был построен веб-граф, множество вершин которого соответствуют множеству сайтов. Множество дуг веб-графа определяется следующим образом: дуга, соединяющая любую пару вершин, существует тогда и только тогда, когда существует хотя бы одна гиперссылка, сделанная с сайта, соответствующего вершине-источнику дуги, на сайт, соответствующий вершине-приемнику. Построенный таким образом веб-граф является ориентированным графом без петель и кратных дуг. В частности, была обнаружена максимальная компонента сильной связности, содержащая 175 сайтов [2]. Используемые алгоритмы сканирования сайтов и обработки полученных данных описаны в работе [3].

В 2013 году в рамках выполнения проекта «Информационная система вебометрического ранжирования веб-ресурсов научных учреждений России» [4] было проведено сканирование 343 веб-сайтов РАН с целью нахождения исходящих внешних гиперссылок для вычисления индикатора внутренней ссылочной популярности веб-сайтов РАН. Сканирование сайтов было выполнено с помощью программы BeeCrawler [5]. В процессе реализации проекта была разработана база данных внешних гиперссылок. Для исследователей Веба реализован гостевой удаленный доступ по адресу http://grid.krc.karelia.ru/webometrics/main.php (имя пользователя:guest, пароль: guest).

Поскольку архивы исследования за 2009 год были сохранены, представилась возможность провести сравнение двух веб-графов РАН и увидеть, какие изменения произошли за почти пятилетний период. Далее для анализа веб-графов используется программный комплекс Gephi открытая интерактивная платформа визуализации и анализа сетей, сложных систем и графов [6]. Основные результаты этого анализа приводятся в статье.

Множество сайтов РАН для сравнительного анализа

При сравнении множеств веб-сайтов РАН за 2009 и 2013 год обнаруживается их совпадение только по 225 сайтам, которые были взяты в качестве целевого множества для дальнейшего исследования. Казалось бы, множество 2013 года должно почти полностью включать в себя сайты множества 2009 года, однако этого не произошло. Основным объяснением такой ситуации является несовпадение доменных имен сайтов. В проекте 2013 года при формировании множества сайтов, идентифицируемых по их доменным именам, обязательным условием являлась их индексация в Яндексе как основных. Например, сайт Сибирского отделения РАН имеет, по крайней мере, два доменных имени www-sbras.nsc.ru и www.sbras.ru, но Яндекс индексирует только первое из них, а второе считает его зеркалом. К сожалению, в 2009 и 2013 годах использовались разные доменные имена сайта Сибирского отделения РАН, и он не вошёл в указанные 225 сайтов. Кроме того, значительное количество сайтов РАН за 5 лет поменяли доменные имена.

Тем не менее, исследуемые 225 сайтов являются достаточно представительной выборкой, включающей:
• 1 сайт Российской академии наук;
• 3 сайта научных отделений (математических наук; нанотехнологий и информационных технологий; энергетики, машиностроения, механики и процессов управления);
• 2 сайта региональных отделений (Дальневосточное, Уральское);
• 8 сайтов региональных научных центров (Самарский, Дагестанский, Карельский, Кольский, Санкт-Петербургский, Южный, Пущинский, Троицкий);
• 5 сайтов научных центров Сибирского отделения РАН (Бурятский, Иркутский, Кемеровский, Томский, Тюменский);
• 4 сайта научных центров Уральского отделения РАН (Коми, Пермский, Удмуртский, Челябинский);
• 1 сайт научного центра Дальневосточного отделения РАН (Камчатский);
• 201 сайт институтов, вычислительных центров, музеев.

Результаты сравнительного анализа веб-графов 2009 и 2013 года

Веб-граф, построенный по данным 2009 года, имеет 225 вершин и 898 дуг. Результаты анализа продемонстрированы на рис. 1 с использованием «бабочки Бродера» [7], несколько адаптированной для нашей задачи.

Рис. 1. Бабочка Бродера веб-графа 2009 года

Множество вершин веб-графа разбивается на 4 подмножества: SCC – вершины, составляющие максимальную компоненту сильной связности, IN – вершины, имеющие только исходящие дуги, соединяющие их с вершинами SCC, OUT – вершины, имеющие только входящие дуги, исходящие с вершин SCC, а T&D (Tubes and Disconnected) – изолированные вершины и вершины, которые связаны входящими дугами с вершинами из IN и исходящими на вершины OUT.

В данном случае обнаружена единственная компонента сильной связности SCC, содержащая 137 вершин, 5 вершин принадлежат IN, 70 вершин – OUT. Кроме того, имеется 10 изолированных вершин и на 3 вершины имеют ссылки с SCC, а с них имеются ссылки на OUT. Для SCC диаметр равен 7, а средняя длина пути между любой парой вершин – 2,409.

Одной из характеристик значимости вершин целевого множества может служить аналог PR [8], вычисляемый на заданной структуре веб-графа. В данном случае вершины с большими значениями PR имеют также и большие оценки авторитетности и посредничества (‘authority’ и ‘hub’ по Клейнбергу [9]). Первые десять сайтов, соответствующие вершинам веб-графа, для которых получены наибольшие значения PR, приводятся в таблице 1. Все вершины, соответствующие сайтам из таблицы 1, входят в подмножество SCC.

Таблица 1

Название учреждения РАН	Доменное имя	PR	Autority	Hub
Российская академия наук	www.ras.ru	0,131	0,089	0,113
Карельский научный центр РАН	www.krc.karelia.ru	0,022	0,015	0,020
Институт вычислительных технологий СО РАН	www.ict.nsc.ru	0,021	0,017	0,022
Уральское отделение РАН	www.uran.ru	0,018	0,019	0,025
Дальневосточное отделение РАН	www.febras.ru	0,017	0,016	0,021
Зоологический институт РАН	www.zin.ru	0,014	0,011	0,014
Институт цитологии и генетики СО РАН	www.bionet.nsc.ru	0,012	0,014	0,018
Пущинский научный центр РАН	www.psn.ru	0,011	0,009	0,012
Институт прикладных математических исследований КарНЦ РАН	mathem.krc.karelia.ru	0,009	0,011	0,015
Институт проблем химической физики РАН	www.icp.ac.ru	0,009	0,008	0,010

Веб-граф 2013 года имеет, естественно, те же 225 вершин, но уже 998 связывающих их дуг, что свидетельствует об их приросте на 100 единиц по сравнению с 2009 годом. Бабочка Бродера для данного графа изображена на рис. 2.

Рис. 2. Бабочка Бродера веб-графа 2013 года

Несложно убедиться в том, что подмножество SCC возросло более чем на 23 %, исчезло подмножество T&D, всего одна вершина осталась в подмножестве IN и существенно уменьшилось подмножество OUT. Диаметр SCC стал равен 6, а средняя длина пути между любой парой вершин – 2,401.

В таблице 2 приведены первые десять сайтов, у которых вершины веб-графа имеют наибольшие значения PR.

Таблица 2

Название учреждения РАН	Доменное имя	PR	Autority	Hub
Российская академия наук	www.ras.ru	0,169	0,115	0,135
Уральское отделение РАН	www.uran.ru	0,025	0,024	0,028
Дальневосточное отделение РАН	www.febras.ru	0,017	0,014	0,016
Институт вычислительных технологий СО РАН	www.ict.nsc.ru	0,013	0,013	0,015
Институт физики твёрдого тела РАН	www.issp.ac.ru	0,013	0,011	0,013
Институт археологии РАН	www.archaeolog.ru	0,010	0,006	0,007
Карельский научный центр РАН	www.krc.karelia.ru	0,010	0,011	0,013
Институт философии РАН	iph.ras.ru	0,009	0,009	0,011
Физико-технический институт им. Иоффе РАН	www.ioffe.ru	0,009	0,011	0,013
Институт физики металлов УрО РАН	www.imp.uran.ru	0,009	0,010	0,012

Сравнивая таблицы 1 и 2 можно отметить, что в обоих случаях в первой десятке сайтов оказались сайты Российской академии наук, Сибирского и Дальневосточного отделений, Карельского научного центра и Института вычислительных технологий СО РАН. По сравнению с 2009 годом в первую десятку вошли 5 других институтов РАН.

В работе [2] было отмечено, что для формирования связного академического Веба важную роль играют гиперссылки между сайтами, соответствующие административным отношениям учреждений РАН (так называемый «административный каркас» академического Веба). Наличие официального сайта РАН, двух сайтов региональных научных отделений и регионального научного центра в первой десятке как в 2009, так и в 2013 году подчёркивает этот факт. К примеру, значительное количество гиперссылок с сайта РАН на сайты научных учреждений РАН сделано со страницы «Информационные системы научных учреждений Российской академии наук» (http://www.ras.ru/sciencestructure/informationsystems.aspx). И наоборот, многие сайты учреждений РАН имеют ссылку на официальный сайт РАН, как, например, сайт Института археологии РАН – в виде соответствующего значка в правом верхнем углу каждой html-страницы.

Результаты сравнительного анализа веб-графов (без сайтов административного каркаса)

Представляет интерес изменение связности веб-графа официальных учреждений РАН без влияния административных воздействий, особенно в свете реформирования РАН и переподчинения институтов РАН Федеральному агентству научных организаций (ФАНО). Для этого рассмотрим веб-граф, в котором оставлена 201 вершина (и связывающие их дуги), соответствующая только сайтам институтов, вычислительных центров и музеев (исключив вершины 24 сайтов собственно РАН, отделений и научных центров). Далее веб-граф, содержащий 225 вершин, будем называть «основным», а граф, полученный из него удалением 24 указанных вершин – «уменьшенным».

Уменьшенный веб-граф 2009 года имеет 419 дуг, то есть средняя инцидентность вершины по сравнению с основным веб-графом уменьшилась практически в 2 раза. Можно также отметить, что вместе с 24 вершинами основного графа были удалены и 479 инцидентных им дуг, что еще раз подчеркивает важность «административного каркаса». При этом связность веб-графа очень сильно пострадала: максимальная компонента сильной связности содержит 58 вершин (менее 30% от общего количества), 41 вершина является изолированной, а 67 вершин имеют только входящие ссылки, не имея исходящих.

В уменьшенном веб-графе 2013 года обнаруживается 432 дуги, и хотя их суммарный прирост невелик, далее будет понятно, что они иначе перераспределены между 201 вершиной. В данном случае на 24 удаленные вершины основного графа пришлось 566 удаленных дуг, то есть «административный каркас» основного веб-графа за 4 года прирос довольно значительно.

В уменьшенном веб-графе 2013 года по сравнению с 2009 годом произошли следующие изменения:
-  количество изолированных вершин сократилось с 41 до 31;
-  почти на 20% уменьшилось количество вершин, имеющих только входящие ссылки (до 54);
-  компонента сильной связности увеличилась до 84 вершин (и достигла почти 42% от общего числа).

В случае уменьшенного веб-графа уже нельзя утверждать, что вершины с большими значениями PR также имеют и большие оценки Autority и Hub. Наибольшие оценки Autority и Hub, в свою очередь, имеют уже не первые 10, а только первые 6 вершин при упорядочении их по убыванию. В таблице 3 для шести сайтов, соответствующих таким вершинам уменьшенного веб-графа 2009 года, указаны значения не только Autority и Hub, но также и количество входящих (In) и исходящих (Out) дуг, инцидентных этим вершинам.

В таблице 4 приведены те же данные для уменьшенного для веб-графа 2013 года. За четыре года сохранилось лидирующее место сайта Института вычислительных технологий СО РАН. Значительное увеличение количества исходящих ссылок связано с развитием проекта «Рейтинг сайтов научных учреждений СО РАН» (http://www.ict.nsc.ru/ranking). Сохранил четвертое место сайт Зоологического института РАН, но инцидентность соответствующей вершины веб-графа значительно уменьшилась.

Таблица 3

Название учреждения РАН	Доменное имя	Autority	Hub	Out	In
Институт вычислительных технологий СО РАН	www.ict.nsc.ru	0,025	0,036	5	13
Институт цитологии и генетики СО РАН	www.bionet.nsc.ru	0,023	0,036	3	12
Институт проблем химической физики РАН	www.icp.ac.ru	0,019	0,033	6	10
Зоологический институт РАН	www.zin.ru	0,016	0,024	10	8
Институт ядерной физики им. Г.И. Будкера СО РАН	www.inp.nsk.su	0,016	0,024	6	8
Институт прикладной математики им. М. В. Келдыша РАН	www.keldysh.ru	0,016	0,021	11	8

В целом сравнение таблиц 3 и 4 позволяет отметить, что хотя общее количество дуг увеличилось незначительно, они более ровно распределились между вершинами, – об этом говорит более равномерное распределение значений Autority и Hub в таблице 4.

Таблица 4


По изолированным сайтам можно отметить следующий факт: 16 сайтов, не имевших входящих и исходящих гиперссылок в 2009 году, остались в этом же списке и в 2013 году, что позволяет говорить о некотором «устойчивом изолированном ядре» уменьшенного веб-графа. Следует сказать, что и визуальный просмотр сайтов этого ядра оставляет двойственное впечатление. По ряду сайтов можно сказать, что им уделяется недостаточно внимания: обнаруживаются ошибки программирования, пустые разделы, «устаревшие» новости. И хотя по другим сайтам «ядра» таких замечаний нет, гиперссылки с них отсутствуют не только на сайты коллег из исследуемого множества сайтов, но и вообще на сайты РАН.

Заключение

В конце декабря 2013 года Правительство Российской Федерации утвердило перечень организаций, подведомственных ФАНО [10], благодаря которому исследователи российского научного Веба могут узнать, что данным распоряжением в ведение агентства передано 433 федеральных государственных бюджетных учреждений науки Российской академии наук. Это на самом деле очень важная информация, поскольку теперь можно говорить о том, что выводы по результатам, изложенным в данной статье, касаются большей части официальных сайтов научных учреждений РАН, а, значит, можно смело говорить о наметившихся тенденциях.

Полный текст публикации представлен в pdf-версии статьи