Zum Inhalt springen
Zurück zu den Suchergebnissen

Gewichtete Gradzentralität

Eingeführt von
Barrat, A.; Barthélemy, M.; Pastor-Satorras, R.; Vespignani, A.
Jahr
2004
Typ
Centrality measure for weighted networks
Familie
Network science

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

Schriftgröße

Was leistet sie?

Die gewichtete Gradzentralität – auch als Knotenstärke bezeichnet – erweitert das klassische Maß der Gradzentralität auf Netzwerke, deren Kanten numerische Gewichte tragen.

Anstatt lediglich die Verbindungen eines Knotens zu zählen, summiert sie die Gewichte aller an diesem Knoten anliegenden Kanten. Dies erfasst sowohl das Volumen als auch die Intensität der Verbindungen eines Knotens in einem einzigen, interpretierbaren Wert.

Die Intuition hinter der Methode

In einem ungewichteten Netzwerk zählt der Grad eines Knotens, wie viele Nachbarn er hat. Eine Forscherin, die 10 Kollegen wöchentlich eine E-Mail schickt, ist jedoch nicht gleichzusetzen mit einer, die jedem Kollegen einmal im Jahr eine E-Mail schickt. Die gewichtete Gradzentralität erfasst diesen Unterschied: Sie summiert die tatsächliche Stärke jeder Verbindung. Ein hoher Wert signalisiert einen Knoten, der nicht nur gut vernetzt ist, sondern auch starke oder häufige Beziehungen unterhält. Dies macht sie zu einem natürlichen Maß für Einfluss oder tragende Bedeutung in gewichteten sozialen, biologischen oder Infrastrukturnetzwerken.

Geschichte

Das Konzept der Knotenstärke als gewichtete Verallgemeinerung des Grades wurde von Barrat, Barthélemy, Pastor-Satorras und Vespignani in ihrer PNAS-Arbeit von 2004, die die Architektur komplexer gewichteter Netzwerke, einschließlich des globalen Luftverkehrsnetzes, analysierte, formal eingeführt. Ihr Rahmenwerk wurde zu einer grundlegenden Referenz für die gewichtete Netzwerkforschung und ist heute Standardmaterial in Lehrbüchern zur Netzwerkanalyse, wie Newmans Networks: An Introduction (2010). Das Maß wurde seitdem in der Neurowissenschaft, Ökonomie, Ökologie und computergestützten Sozialwissenschaft angewendet.

Wann wird sie eingesetzt?

Verwenden Sie die gewichtete Gradzentralität, wenn Ihr Netzwerk aussagekräftige numerische Kantengewichte aufweist – Kollaborationsfrequenz, Kommunikationsvolumen, Handelswert, physischer Fluss – und Sie die aktivsten oder einflussreichsten Knoten ohne die Komplexität pfadbasierter Maße identifizieren möchten. Sie ist das geeignete erste Zentralitätsmaß, wenn der binäre Grad wichtige Variationen in der Verbindungsstärke ignorieren würde. Verwenden Sie sie nicht, wenn Kantengewichte nominale oder ordinale Kategorien sind (wandeln Sie diese zuerst in aussagekräftige ordinale Werte um), wenn die Netzwerkstruktur und nicht der reine Durchsatz am wichtigsten ist (bevorzugen Sie Zwischenzentralität oder Eigenvektorzentralität), oder wenn das Netzwerk ungewichtete Kanten hat (verwenden Sie stattdessen die Standard-Gradzentralität).

Grenzen und Hinweise

  • Empfindlich gegenüber der Skala und Verteilung der Kantengewichte; schiefe Gewichte können die Werte einiger weniger Knoten dramatisch erhöhen.
  • Berücksichtigt nicht die Position eines Knotens in der globalen Netzwerkstruktur – ein peripherer, aber stark gewichteter Knoten kann einen topologisch zentralen Knoten übertreffen.
  • Ignoriert die Richtung von Kanten in gerichteten Netzwerken, es sei denn, In-Stärke und Out-Stärke werden separat berechnet.
  • Liefert keine Informationen über Clustering, Brokerage oder die Reichweite indirekter Verbindungen.

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

Stärken

  • Rechentechnisch günstig – O(m), wobei m die Anzahl der Kanten ist – und für große Netzwerke trivial parallelisierbar.
  • Intuitive Interpretation: Sie spiegelt direkt das Gesamtvolumen oder die Intensität der Verbindungen eines Knotens wider.
  • Unterscheidet zwischen Knoten mit gleichem Grad, aber unterschiedlichen Verbindungsstärken, was die binäre Gradzentralität nicht leisten kann.
  • Weit verbreitet implementiert in NetworkX, igraph, Gephi und R's igraph-Paket.
  • Lässt sich natürlich mit dem ungewichteten Grad kombinieren, um zu erkennen, ob Knoten mit hohem Grad auch einen hohen Verkehr aufweisen.

Anwendungen

  • Identifizierung der aktivsten oder einflussreichsten Akteure in gewichteten sozialen Netzwerken und Kollaborationsnetzwerken.
  • Erkennung wichtiger Hubs in Transport- und Handelsnetzwerken anhand des Gesamtflusses oder -volumens.
  • Rangordnung von Hirnregionen nach synaptischer oder funktioneller Konnektivitätsstärke in Konnektomstudien.
  • Quantifizierung produktiver Koautorenschaft oder Zitationseinflusses in bibliometrischen Netzwerken.
  • Erkennung von Schlüsselarten in ökologischen Nahrungsnetzen, gewichtet nach Interaktionshäufigkeit oder Biomassefluss.
  • Benchmarking der Knotenbedeutung vor der Anwendung aufwendigerer pfadbasierter Zentralitätsmaße.

So funktioniert es

So funktioniert es

1

Stellen Sie das Netzwerk als gewichteten Graphen G = (V, E, W) dar, wobei die Knoten V Akteure oder Entitäten sind, die Kanten E Verbindungen darstellen und die Gewichtsmatrix W jeder Kante einen positiven reellen Wert w_ij zuweist, der Frequenz, Intensität, Kosten oder eine andere domänenrelevante Größe kodiert. Negative Gewichte erfordern eine sorgfältige Vorverarbeitung oder eine alternative Formulierung.

2

Für jeden Knoten i summieren Sie die Gewichte aller Kanten, die ihn mit seinen Nachbarn verbinden: s_i = Summe von w_ij über alle j in der Nachbarschaft von i. Diese Größe wird in der Literatur von Barrat et al. (2004) als Knotenstärke bezeichnet und verallgemeinert den binären Grad direkt auf den gewichteten Fall.

Formel
s_i = \sum_{j \in \mathcal{N}(i)} w_{ij}
3

Teilen Sie die Stärke jedes Knotens durch das Gesamtgewicht im Netzwerk (oder durch die maximale Knotenstärke), um einen normalisierten Wert zwischen 0 und 1 zu erhalten. Die Normalisierung ermöglicht einen fairen Vergleich zwischen Netzwerken unterschiedlicher Größe oder Gesamtgewichtsbudgets und ist vor Rangordnungs- oder Regressionsanalysen Standardpraxis.

Formel
s_i^{\text{norm}} = \frac{s_i}{\sum_k s_k}
4

Sortieren Sie die Knoten nach ihren normalisierten Stärkewerten und identifizieren Sie Knoten mit hoher Zentralität. In sozialen Netzwerken sind dies die aktivsten oder einflussreichsten Akteure; in Handelsnetzwerken die größten Hubs; in Koautorennetzwerken die produktivsten Kollaborateure. Vergleichen Sie mit dem ungewichteten Grad, um Knoten zu identifizieren, deren Einfluss durch die Verbindungsstärke verstärkt oder abgeschwächt wird.

Häufige Fallstricke

  • Behandlung von Rohgewichten als vergleichbar über Datensätze hinweg ohne Standardisierung oder Log-Transformation, wenn die Gewichte stark schief verteilt sind.
  • Vergessen, In-Stärke und Out-Stärke in gerichteten Netzwerken separat zu berechnen und sie ohne Begründung zu einem einzigen Wert zusammenzufassen.
  • Berichterstattung der gewichteten Gradzentralität ohne Vergleich mit der binären Gradzentralität, wodurch übersehen wird, ob eine hohe Stärke durch viele schwache oder wenige starke Verbindungen bedingt ist.
  • Verwendung des Maßes bei Selbstschleifen, ohne zu entscheiden, ob diagonale Gewichte ein- oder ausgeschlossen werden sollen.
  • Ignorieren fehlender oder null-inflierter Gewichte, die die Stärke schlecht beobachteter Knoten systematisch unterschätzen können.

Häufig gestellte Fragen

Wie unterscheidet sich die gewichtete Gradzentralität von der Standard-Gradzentralität?

Die Standard-Gradzentralität zählt die Anzahl der an einem Knoten anliegenden Kanten und behandelt alle Verbindungen gleich. Die gewichtete Gradzentralität summiert die Kantengewichte, sodass ein Knoten, der mit einer sehr starken Verbindung verbunden ist, einen Knoten mit vielen schwachen Verbindungen übertreffen kann. Die beiden Maße zusammen zeigen, ob der Einfluss eines Knotens aus der Breite oder der Intensität der Verbindungen resultiert.

Sollte ich Kantengewichte vor der Berechnung der Knotenstärke log-transformieren?

Wenn Gewichte mehrere Größenordnungen umfassen – zum Beispiel Handelsvolumina, die von Tausenden bis zu Milliarden reichen –, verhindert eine Log-Transformation, dass eine Handvoll extremer Verbindungen die Werte dominiert. Überprüfen Sie immer die Gewichtsverteilung und wenden Sie eine Transformation an, wenn sie stark rechtsschief ist.

Wie gehe ich mit gerichteten Netzwerken um?

Berechnen Sie die In-Stärke (Summe der eingehenden Kantengewichte) und die Out-Stärke (Summe der ausgehenden Kantengewichte) separat. Die In-Stärke spiegelt oft Popularität oder Autorität wider, während die Out-Stärke Aktivität oder Anstrengung widerspiegelt. Das Kombinieren zu einem einzigen Wert verwirft gerichtete Informationen.

Welche Software ist eine sinnvolle Wahl für die Berechnung der gewichteten Gradzentralität?

NetworkX in Python (strength-Methode über degree mit weight-Parameter), igraph in R oder Python (strength-Funktion) und Gephi (eingebaute Spalte für gewichteten Grad) berechnen alle die Knotenstärke mit einem einzigen Funktionsaufruf. Für sehr große dünn besetzte Netzwerke sind graph-tool oder GraphBLAS-basierte Implementierungen effizienter.

Wann sollte ich die Zwischenzentralität der gewichteten Gradzentralität vorziehen?

Verwenden Sie die Zwischenzentralität, wenn Sie wissen möchten, welche Knoten den Informations- oder Ressourcenfluss entlang kürzester Pfade kontrollieren – Vermittler und Brücken in einem Netzwerk. Verwenden Sie die gewichtete Gradzentralität, wenn Sie sich für die reine Aktivität oder den Durchsatz an jedem Knoten interessieren. Sie sind komplementär und oft informativ, wenn sie zusammen berichtet werden.

Verwandte Methoden

Quellen

  1. Barrat, A., Barthélemy, M., Pastor-Satorras, R., & Vespignani, A. (2004). The architecture of complex weighted networks. Proceedings of the National Academy of Sciences, 101(11), 3747–3752.

    DOI-Referenz öffnen
    Kopiert.
  2. Newman, M. E. J. (2010). Networks: An Introduction. Oxford University Press.

    ISBN: 978-0-19-920665-0
    Kopiert.