Zum Inhalt springen
Zurück zu den Suchergebnissen

Multiplex-Netzwerkanalyse

Eingeführt von
Kivela, M.; Boccaletti, S. et al.
Jahr
2014
Typ
Structural network model
Familie
Network science

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Die Multiplex-Netzwerkanalyse untersucht Systeme, in denen dieselbe Menge von Knoten durch mehrere unterschiedliche Beziehungstypen verbunden ist, die jeweils als separate Netzwerkschicht dargestellt werden.

Indem die Schichten gleichzeitig und nicht isoliert analysiert werden, wird aufgedeckt, wie verschiedene Beziehungstypen interagieren, sich gegenseitig verstärken oder kompensieren, und zwar über dieselben Akteure oder Entitäten hinweg.

Die Intuition hinter der Methode

Stellen Sie sich dieselbe Gruppe von Forschenden vor, die gleichzeitig über drei verschiedene Netzwerke verbunden ist: Koautorenschaft, Zitation und Konferenzteilnahme. Eine Standard-Einzelschichtanalyse zwingt Sie dazu, eine auszuwählen oder alle drei zu einem einzigen Graphen zusammenzufassen, wodurch Informationen verloren gehen. Die Multiplex-Analyse behält alle drei Schichten intakt und untersucht sie gemeinsam. Knoten können in einer Schicht zentral, in einer anderen jedoch peripher sein, und das Zusammenspiel zwischen den Schichten – ob eine starke Verbindung in einer Schicht eine schwache Verbindung in einer anderen vorhersagt oder kompensiert – ist genau das, was Multiplex-Methoden erfassen sollen.

Geschichte

Der formale theoretische Rahmen für Multiplex- und Mehrschichtnetzwerke entstand in zwei wegweisenden Übersichtsartikeln aus dem Jahr 2014 – Kivela et al. im Journal of Complex Networks und Boccaletti et al. in Physics Reports –, die zuvor verstreute Arbeiten unter einem gemeinsamen mathematischen Formalismus vereinten. Frühere empirische Studien hatten mehrere Beziehungstypen parallel ohne einen vereinheitlichenden Rahmen analysiert. Seit 2014 werden Multiplex-Methoden auf Transportsysteme, soziale Online-Plattformen, neurowissenschaftliche Konnektome und Zitationsnetzwerke angewendet, wobei speziell entwickelte Software (MuxViz, multinet, pymnet) das Toolkit konsolidiert hat.

Wann wird sie eingesetzt?

Verwenden Sie die Multiplex-Netzwerkanalyse, wenn dieselben Knoten durch mehrere qualitativ unterschiedliche Verbindungstypen verknüpft sind und das Zusammenfassen dieser Verbindungen zu einer einzigen Schicht wichtige Unterschiede verschleiern würde, z.B. bei der Untersuchung von Wissenschaftlern, die gleichzeitig durch Koautorenschaft, Zitation und E-Mail verbunden sind. Sie ist besonders leistungsfähig, wenn die Theorie vorhersagt, dass verschiedene Beziehungstypen sich gegenseitig verstärken oder kompensieren. Verwenden Sie sie nicht, wenn nur ein einziger Beziehungstyp verfügbar ist, wenn die Knotensätze über die Beziehungstypen hinweg erheblich variieren (verwenden Sie stattdessen eine Zwei-Moden- oder Mehrschichtanalyse) oder wenn die Stichprobengrößen zu klein sind, um schichtspezifische Metriken zuverlässig zu schätzen.

Grenzen und Hinweise

  • Der Aufwand für die Datenerhebung ist hoch, da für jede Schicht unabhängig vollständige Kantenlisten gesammelt werden müssen.
  • Der Rechenaufwand skaliert mit der Anzahl der Schichten und Knoten; große Multiplex-Netzwerke erfordern erheblichen Speicherplatz.
  • Die Interpretation wird komplex, wenn viele Schichten mit unterschiedlichen Dichten und Strukturen kombiniert werden.
  • Standardsoftware für Einzelschichtnetzwerke muss ersetzt oder erweitert werden; Multiplex-fähige Pakete (MuxViz, multinet) sind weniger ausgereift.

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Bewahrt qualitative Unterschiede zwischen Beziehungstypen, anstatt eine künstliche Aggregation zu erzwingen.
  • Multiplex-Zentralitätswerte liefern ein reichhaltigeres Bild der Knotenbedeutung als jede Einzelschichtmetrik.
  • Schichtvergleichsstatistiken zeigen, welche Beziehungstypen redundant und welche komplementär sind.
  • Die Gemeinschaftserkennung über Schichten hinweg liefert stabilere und theoretisch bedeutsamere Gruppen.
  • Anwendbar auf eine Vielzahl empirischer Settings: soziale, biologische, Transport- und Informationsnetzwerke.

Anwendungen

  • Sozialwissenschaften: Analyse von Freundschaft, Ratschlägen und Vertrauen innerhalb derselben Organisation gleichzeitig.
  • Bibliometrie: Koautorenschaft, Kozitation und Keyword-Kookkurrenz als parallele Schichten über denselben Forschendensatz.
  • Transport: Straßen-, Schienen- und Luftverkehrsnetze, die dieselben Stadtknoten teilen, gemeinsam untersucht.
  • Neurowissenschaften: verschiedene Frequenzband-Funktionskonnektivitätsschichten über denselben Satz von Hirnregionen.
  • Online-Plattformen: Folgen, Retweeten und Erwähnen als unterschiedliche Schichten über denselben Benutzersatz.

So funktioniert es

So funktioniert es

1

Jeder unterschiedliche Beziehungstyp wird als separate Adjazenzmatrix oder Kantenliste kodiert und bildet eine Schicht des Multiplex-Netzwerks. Alle Schichten teilen sich dieselbe Knotenmenge – dieselben Akteure, Entitäten oder Einheiten –, aber Kanten innerhalb jeder Schicht repräsentieren eine andere Art von Verbindung, wie z.B. Freundschaft vs. professionelle Zusammenarbeit vs. Informationsaustausch.

2

Inter-Schicht-Kanten oder Kopplungsgewichte werden definiert, um darzustellen, wie jeder Knoten mit seinem Gegenstück über die Schichten hinweg verbunden ist. Im einfachsten Fall ist jeder Knoten mit sich selbst in jeder anderen Schicht mit Einheitsgewicht verbunden (kategorische Kopplung). Ausgefeiltere Kopplungen können Übergangswahrscheinlichkeiten oder Ähnlichkeiten zwischen Schichten kodieren.

3

Multiplex-Zentralitätsmaße erweitern Standard-Einzelschichtmetriken – Grad, Betweenness, Eigenvektor, PageRank – auf den gesamten Schichtstapel. Beispiele sind der Vielseitigkeits-Score, der PageRank über Schichten hinweg verallgemeinert, und der überlappende Grad, der die Anzahl der verschiedenen Schichten zählt, an denen ein Knoten beteiligt ist. Diese Scores erfassen die Gesamtbedeutung eines Knotens über alle Beziehungstypen hinweg gleichzeitig.

4

Schichten werden strukturell durch Maße wie Kantenüberlappung (der Anteil der Knotenpaare, die in mehr als einer Schicht verbunden sind), Schichtkorrelation und wechselseitige Inter-Schicht-Information verglichen. Eine hohe Überlappung deutet auf redundante Beziehungstypen hin; eine geringe Überlappung weist auf komplementäre oder unabhängige Kanäle hin.

5

Algorithmen zur Gemeinschaftserkennung werden auf Multiplex-Umgebungen erweitert, indem eine verallgemeinerte Modularitätsfunktion über alle Schichten gleichzeitig optimiert oder Tensorzerlegungen verwendet werden. Gemeinschaften, die in Multiplex-Daten gefunden werden, sind robuster als solche, die aus einer einzelnen Schicht extrahiert werden, da sie über mehrere Beziehungstypen hinweg kohärent sein müssen.

Häufige Fallstricke

  • Alle Schichten als gleich wichtig behandeln, ohne zu prüfen, ob einige Schichten nahezu leer oder redundant sind.
  • Ignorieren von Asymmetrien bei fehlenden Daten – ein Knoten, der in einer Schicht vorhanden, aber in einer anderen nicht vorhanden ist, wird oft falsch behandelt.
  • Vergleichen von Zentralitätswerten über Schichten hinweg, ohne Unterschiede in Schichtdichte oder -größe zu berücksichtigen.
  • Zusammenfassen von Schichten durch Summieren von Kantengewichten vor der Analyse, wodurch die Multiplex-Struktur zerstört wird, die die Methode eigentlich nutzen soll.
  • Verwechseln von Multiplex-Netzwerken (gleiche Knoten, verschiedene Kantentypen) mit Mehrschicht- oder Bipartiten Netzwerken (verschiedene Knotensätze pro Schicht).

Häufig gestellte Fragen

Was ist der Unterschied zwischen einem Multiplex-Netzwerk und einem Mehrschicht-Netzwerk?

In einem Multiplex-Netzwerk enthält jede Schicht genau denselben Satz von Knoten; nur die Kantentypen unterscheiden sich. Mehrschicht-Netzwerke sind allgemeiner und erlauben unterschiedliche Knotensätze pro Schicht. Multiplex-Netzwerke sind ein Spezialfall von Mehrschicht-Netzwerken.

Kann ich einfach alle Schichten zu einem gewichteten Graphen zusammenführen?

Das können Sie, aber Sie verlieren kritische Informationen: Ein Paar von Knoten, das in fünf verschiedenen Schichten verbunden ist, sieht identisch aus mit einem Paar, das fünfmal in einer einzigen Schicht verbunden ist. Die Multiplex-Analyse ist speziell darauf ausgelegt, die Unterscheidung zwischen Schichttypen zu bewahren und zu nutzen.

Wie viele Schichten benötige ich für eine aussagekräftige Multiplex-Analyse?

Formal reichen zwei Schichten aus, um ein Netzwerk als Multiplex zu bezeichnen, aber die Methode bietet den größten Mehrwert bei drei oder mehr unterschiedlichen, inhaltlich bedeutsamen Beziehungstypen. Sehr dünn besetzte Schichten oder Schichten mit nahezu keiner Kantenüberlappung sollten vor der Aufnahme sorgfältig geprüft werden.

Welche Softwarepakete unterstützen die Multiplex-Netzwerkanalyse?

MuxViz (R/Python), multinet (R) und pymnet (Python) sind die wichtigsten speziell entwickelten Bibliotheken. NetworkX (Python) und igraph (R/Python) können Multiplex-Daten mit benutzerdefinierter Kodierung verarbeiten, verfügen aber nicht über native Multiplex-Metriken.

Wie unterscheidet sich die Gemeinschaftserkennung in einem Multiplex-Netzwerk?

In einem Multiplex-Setting optimiert die Gemeinschaftserkennung eine verallgemeinerte Modularität, die Beiträge über alle Schichten gleichzeitig summiert, oder verwendet Tensorfaktorisierungsmethoden. Das Ergebnis ist eine einzige Partition, die über alle Beziehungstypen hinweg kohärent ist, im Gegensatz zur separaten Erkennung pro Schicht.

Verwandte Methoden

Quellen

  1. Kivela, M., Arenas, A., Barthelemy, M., Gleeson, J. P., Moreno, Y., & Porter, M. A. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271.

    DOI-Referenz öffnen
    Kopiert.
  2. Boccaletti, S., Bianconi, G., Criado, R., del Genio, C. I., Gomez-Gardenes, J., Romance, M., Sendina-Nadal, I., Wang, Z., & Zanin, M. (2014). The structure and dynamics of multilayer networks. Physics Reports, 544(1), 1–122.

    DOI-Referenz öffnen
    Kopiert.