الانتقال إلى المحتوى
العودة إلى نتائج البحث

مركزية المتجه الذاتي

قدّمه
Bonacich, P.
السنة
1972
النوع
Centrality measure
العائلة
Network science

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

تقيس مركزية المتجه الذاتي، التي قدمها بوناكيك في عام 1972، تأثير العقدة من خلال النظر ليس فقط في عدد جيرانها، ولكن في مدى تأثير هؤلاء الجيران. تحصل العقدة على درجة عالية إذا كانت متصلة بعقد أخرى ذات درجات عالية، مما يجعلها مقياسًا هيكليًا مهمًا في الشبكة، يعتمد على التكرار ويدرك السياق العام.

الفكرة الحدسية وراء الطريقة

يُعدّ الاتصال الجيد أمرًا مهمًا، ولكن الاتصال بأشخاص متصلين جيدًا يهم أكثر. تلتقط مركزية المتجه الذاتي هذه الفكرة التكرارية: تعتمد درجتك على درجات جيرانك، والتي بدورها تعتمد على درجات جيرانهم، وهكذا في جميع أنحاء الشبكة. الأمر أشبه بتدفق التأثير بشكل مستمر حول الشبكة حتى يستقر عند توازن ثابت - المتجه الذاتي الرائد لمصفوفة التجاور - حيث تتناسب درجة كل عقدة مع مجموع درجات جيرانها.

التاريخ

تمت صياغة مركزية المتجه الذاتي بواسطة فيليب بوناكيك في ورقة بحثية عام 1972 حول طرق العوامل والأوزان لدرجات المكانة، مما أسس الأساس النظري لمقاييس المركزية القائمة على المكانة. فكرة أن أهمية العقدة تتناسب مع مجموع أهمية جيرانها سبقت بوناكيك في المفهوم الاجتماعي للمكانة، لكن صياغته الجبرية جعلته قابلاً للحساب. اكتسب المقياس اعتمادًا واسعًا في تحليل الشبكات الاجتماعية ولاحقًا في علم الببليومترية وتحليل رسوم الويب، مما ألهم بشكل مباشر خوارزمية PageRank من جوجل (1998)، والتي تضيف عامل تخميد للتعامل مع الرسوم البيانية الموجهة وغير المتصلة.

متى تُستخدم

استخدم مركزية المتجه الذاتي عندما تريد تحديد العقد المؤثرة ليس فقط لأن لديها العديد من الاتصالات، ولكن لأنها مدمجة في مناطق كثيفة الاتصال وذات مكانة عالية في الشبكة - وهو أمر شائع في شبكات الاستشهاد، وأبحاث التأثير الاجتماعي، وتحليل المكانة التنظيمية. إنها مناسبة للشبكات غير الموجهة أو الموجهة المتماثلة حيث يكون مفهوم التعزيز المتبادل منطقيًا جوهريًا. تجنب استخدامها على الرسوم البيانية غير المتصلة (تصبح الدرجات غير محددة للمكونات المعزولة)، أو على الرسوم البيانية الموجهة غير الدورية (يتحلل المتجه الذاتي الرائد)، أو عندما يكون الاتصال المحلي وليس المكانة العامة هو سؤال البحث. بالنسبة للشبكات الموجهة ذات التأثير غير المتماثل، فإن PageRank مفضل بشكل عام.

الحدود والاعتبارات

  • غير محددة أو متحللة على الرسوم البيانية غير المتصلة والرسوم البيانية الموجهة غير الدورية، حيث لا ينتج المتجه الذاتي الرائد درجات ذات معنى لجميع العقد.
  • حساسة لكثافة الشبكة وهيكلها: في الشبكات المتفرقة جدًا، تنهار جميع العقد تقريبًا إلى درجات قريبة من الصفر باستثناء عدد قليل من العقد المحورية.
  • لا تأخذ في الاعتبار طول المسار أو الأدوار الجسرية؛ قد تحصل عقدة تربط بين مجموعتين كثيفتين على درجة منخفضة على الرغم من أهميتها الهيكلية.
  • بالنسبة للشبكات الموجهة غير المتماثلة، يتطلب المقياس تعديلاً (مثل PageRank)، وقد يكون التطبيق الأعمى مضللاً.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • تلتقط التأثير التكراري والعالمي بدلاً من مجرد الاتصال المحلي، مما يكشف عن المكانة والأهمية الهيكلية في وقت واحد.
  • تستند إلى إطار جبر خطي مبدئي مع حل فريد مضمون بواسطة نظرية بيرون-فروbenius للشبكات المتصلة.
  • تأخذ في الاعتبار بشكل طبيعي جودة الاتصالات، وليس فقط كميتها، مما يجعلها مناسبة لأبحاث المكانة والمكانة.
  • فعالة في الحساب عبر تكرار القوة حتى على الشبكات المتفرقة الكبيرة.
  • قابلة للتفسير بشكل مباشر: تعكس الدرجات التأثير النسبي مقارنة بالعقدة الأكثر مركزية.

التطبيقات

  • تحديد المكانة والتأثير في شبكات الاستشهاد الأكاديمي ورسوم التعاون في التأليف.
  • رسم هياكل السلطة وقادة الرأي في الشبكات التنظيمية والسياسية.
  • اكتشاف العقد المحورية في شبكات تفاعل البروتين البيولوجي والشبكات التنظيمية الجينية.
  • ترتيب صفحات الويب والمستندات حسب السلطة الهيكلية (أساس PageRank).
  • تحليل انتشار التأثير والموزعين الرئيسيين في شبكات وسائل التواصل الاجتماعي.
  • تقييم التسلسلات الهرمية للمكانة في دراسات الشبكات الاجتماعية وشبكات الصداقة.

كيف يعمل

كيف يعمل

1

تُمثّل الشبكة كمصفوفة تجاور A، حيث تساوي القيمة A_ij 1 (أو وزن الحافة للشبكات الموزونة) إذا كانت العقدتان i و j متصلتين، و 0 بخلاف ذلك. تُشفّر هذه المصفوفة الطوبولوجيا الكاملة للاتصالات التي سيتم حساب المركزية عليها.

2

يتم حساب أكبر قيمة ذاتية ومتجهها الذاتي المرتبط بها من مصفوفة التجاور باستخدام تكرار القوة أو محلل جبر خطي قياسي. تضمن نظرية بيرون-فروbenius أن القيمة الذاتية الرائدة lambda_max ستكون حقيقية وموجبة للشبكات المتصلة، مما يضمن حلاً فريدًا وقابلًا للتفسير.

الصيغة
\mathbf{A}\mathbf{x} = \lambda_{\max}\mathbf{x}
3

تُعيّن لكل عقدة المكون المقابل للمتجه الذاتي الرائد كدرجة مركزيتها. تحقق الدرجة شرط النقطة الثابتة: درجة العقدة تساوي (1/lambda_max) مضروبة في مجموع درجات جيرانها، لذا تسحب العقد ذات الدرجات العالية درجات جيرانها بشكل تكراري.

الصيغة
x_i = \frac{1}{\lambda_{\max}} \sum_{j \in N(i)} x_j
4

عادةً ما تُقاس الدرجات بحيث تساوي القيمة القصوى 1، مما يجعلها قابلة للمقارنة عبر شبكات ذات أحجام مختلفة. يتم الحفاظ على الترتيب النسبي للعقد بغض النظر عن اتفاقية التطبيع المستخدمة.

الأخطاء الشائعة

  • تطبيق مركزية المتجه الذاتي على شبكة غير متصلة دون استخراج المكون المتصل الأكبر أولاً، مما يؤدي إلى درجات صفرية لشبكات فرعية بأكملها.
  • الخلط بين مركزية المتجه الذاتي ومركزية الدرجة وعدم الإبلاغ عن المقياس المستخدم؛ يمكن أن ينتج عنهما ترتيبات مختلفة جدًا.
  • استخدامها على شبكة موجهة دون التحقق من أن الرسم البياني متصل بقوة أو التكيف مع متغير موجه مثل PageRank.
  • معاملة الاختلافات الصغيرة في الدرجات المُطَبّعة على أنها ذات مغزى عندما تكون الشبكة متفرقة والدرجات مضغوطة عدديًا بالقرب من الصفر.
  • إغفال فحوصات الحساسية: يمكن أن تتغير ترتيبات المركزية بشكل كبير إذا تمت إزالة عدد قليل من العقد المحورية ذات الدرجة العالية.

الأسئلة الشائعة

كيف تختلف مركزية المتجه الذاتي عن مركزية الدرجة؟

تقيس مركزية الدرجة الجيران المباشرين فقط، وتعامل جميع الاتصالات على قدم المساواة. تقوم مركزية المتجه الذاتي بوزن كل جار بدرجة مركزية ذلك الجار نفسه، لذا فإن الاتصال بعقدة مركزية للغاية يساهم أكثر من الاتصال بعقدة طرفية. يمكن لعقدة ذات جيران قليلين ولكن مؤثرين للغاية أن تتفوق على عقدة ذات درجة عالية متصلة بمعظم العقد الطرفية.

لماذا تفشل مركزية المتجه الذاتي على الرسوم البيانية الموجهة غير الدورية؟

في الرسم البياني الموجه غير الدوري، لا توجد دورات، لذلك لا يمكن للتأثير أن يتدفق إلى الخلف. تعيّن القيمة الذاتية الرائدة لمصفوفة التجاور درجات صفرية لجميع العقد باستثناء تلك التي ليس لها حواف صادرة (المصارف)، مما يجعل المقياس متدهورًا. تحل PageRank هذه المشكلة عن طريق إضافة حد انتقال يعيد توزيع الوزن بشكل موحد.

هل يمكنني استخدام مركزية المتجه الذاتي على الشبكات الموزونة؟

نعم. استبدل مصفوفة التجاور الثنائية بمصفوفة تجاور موزونة وطبق نفس التحلل الذاتي. يعكس المتجه الذاتي الرائد بعد ذلك كلاً من عدد وقوة الاتصالات. تأكد من أن أوزان الحواف غير سالبة لضمان تطبيق ضمانات بيرون-فروbenius.

كيف يجب أن أبلغ عن مركزية المتجه الذاتي في ورقة بحثية؟

أبلغ عن درجات مركزية المتجه الذاتي المُطَبّعة (الحد الأقصى = 1)، وحدد البرنامج والإصدار المستخدم (مثل NetworkX، igraph)، واذكر ما إذا كانت الشبكة موجهة أم غير موجهة، وتأكد من استخدام المكون المتصل الأكبر إذا كان الرسم البياني غير متصل. يساعد التصور الذي يلون أو يغير حجم العقد بناءً على درجتها بشكل كبير في التفسير.

ما هي العلاقة بين مركزية المتجه الذاتي و PageRank؟

PageRank هو تعميم موجه ومُخمّد لمركزية المتجه الذاتي. يضيف عامل تخميد (عادةً 0.85) واحتمالية انتقال موحدة للتعامل مع الرسوم البيانية غير المتصلة والموجهة. بالنسبة للشبكات غير الموجهة والمتصلة، تنتج PageRank ومركزية المتجه الذاتي ترتيبات متطابقة تقريبًا.

طرق ذات صلة

المصادر

  1. Bonacich, P. (1972). Factoring and weighting approaches to status scores and clique identification. Journal of Mathematical Sociology, 2(1), 113–120.

    افتح مرجع DOI
    تم النسخ.
  2. Eigenvector centrality. Wikipedia.

    افتح مرجع المنشور
    تم النسخ.