次数中心性
- 提唱者
- Freeman, L. C.
- 年
- 1978
- 種類
- Node-level centrality measure
- 系統
- Network science
この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む
何をする手法か?
次数中心性(Degree centrality)は、ネットワークにおけるノードの重要性を測る最も単純で直感的な指標であり、ノードが持つ直接的な接続数として定義される。最大可能な接続数で割って正規化することで、異なるサイズのネットワーク間での比較が可能となり、ほぼ全てのネットワーク分析の出発点となる。
手法の背後にある直感
会議室で、多くの人と知り合いである人が最も社交的であると想像してほしい。次数中心性はまさにそれを捉えるものである。すなわち、ノードの生の接続数である。次数が高いノードは、即時の活動の中心に位置し、1回のステップで多くの隣接ノードに到達できる。計算が容易で説明もしやすいため、次数中心性はネットワーク研究で最初に計算される指標となることが多く、より高度な指標と比較するための基準として機能する。
歴史学
次数中心性は、Linton C. Freemanによって、1978年のSocial Networks誌における画期的な論文で正式に定義および体系化された。この論文では、統一的な概念的枠組みの下で媒介中心性と近接中心性も導入された。この指標自体は、1940年代から1950年代の初期の社会測定学の研究に遡る。Freemanの論文は依然として標準的な引用であり、社会ネットワーク分析を厳密な定量的学問として確立した。
使うべき場面
直接的な接続が最も多いノードの、迅速で解釈可能な要約が必要な場合に次数中心性を使用する。これは、ハブ、主要なアクター、または任意の二値または加重ネットワークにおける高活動ノードを特定するのに役立つ。大小両方のネットワークに適しており、エッジリストのみを必要とする。間接的な影響力、情報フローの効率性、またはゲートキーパーの役割に関する研究課題については、次数中心性だけに頼らないこと。それらの目的には、固有ベクトル中心性、近接中心性、または媒介中心性がより適切である。また、ほとんど全てのノードが同じ次数を共有する完全グラフまたはそれに近いグラフでは、情報量がない。
限界と注意点
- 直接の隣接ノードのみをカウントし、グローバルなネットワーク構造における位置を無視する。
- 次数が高いノードでも、その全ての隣接ノードが互いに孤立している場合、完全に周辺的である可能性がある。
- 次数分散がほぼゼロである、密なグラフまたは完全なグラフでは情報量がない。
- 接続が影響力のあるノードか周辺的なノードか区別しない(それには固有ベクトル中心性を使用する)。
- ネットワーク境界の決定に敏感である。ネットワークに誰を含めるかはスコアに影響する。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 計算は非常に単純(ノードあたりO(n))であり、非常に大規模なネットワークにもスケールする。
- 直ちに解釈可能:生の接続数は、ネットワーク分析の専門知識なしに説明できる。
- 有向、無向、二値、および加重(加重次数として)グラフに適用可能。
- より複雑な中心性指標を比較するための不可欠な基準として機能する。
- 次数分布は、全体的なネットワークトポロジー(スケールフリー、ランダムなど)の指紋を提供する。
- 容易に可視化可能:次数に比例したノードサイズは、構造を一目で伝える。
応用
- 社会ネットワークおよび組織ネットワークにおけるハブや影響力のあるアクターの特定。
- 疫学的接触追跡による、介入のために接続数の多い個人を優先すること。
- ウェブおよび引用ネットワーク分析による、リンク数の多いページまたは論文のランク付け。
- インフラストラクチャのレジリエンス分析による、ネットワークを断片化する可能性のあるクリティカルノードの発見。
- マーケティングおよび拡散研究による、バイラル拡散キャンペーンのシードノードの特定。
- 共著および共同研究ネットワーク研究における計量書誌学。
使い方
使い方
ネットワークは、ノードの集合をV、エッジの集合をEとするグラフG = (V, E)として表現される。隣接行列Aは、どのノードペアが接続されているかを符号化する。無向ネットワークでは各エッジは1回カウントされるが、有向ネットワークでは、それぞれ流入する接続と流出する接続を反映して、入次数(in-degree)と出次数(out-degree)が別々に追跡される。
各ノードvについて、次数中心性は、隣接行列のその行(または列)の全ての要素を合計すること、すなわち、他のどのノードに直接接続されているかを数えることによって計算される。生の次数は C_D(v) = deg(v) である。有向グラフでは、入次数は流入する接続をカウントし、出次数は流出する接続をカウントする。
数式
C_D(v) = \deg(v) = \sum_{u \in V} a_{vu}異なるサイズのネットワーク間で比較するために、生の次数は(n − 1)で割られる。これは、n個のノードを持つネットワークにおける最大可能な接続数である。正規化されたスコア C_D'(v) は0から1の間に収まり、1はネットワーク内の他の全てのノードに接続されているノードを示す。
数式
C_D'(v) = \frac{\deg(v)}{n - 1}ノードは正規化された次数中心性スコアによってランク付けされる。スコアの分布は、ヒストグラムとして可視化したり、ノードのサイズや色としてネットワークグラフ上にプロットしたりできる。次数が高いノードは、ハブやインフルエンサーの候補となる。次数分布の形状(例:裾の重い分布か一様分布か)は、ネットワークのより広範な構造的特性を明らかにする。
よくある落とし穴
- 異なるサイズのネットワーク間で結果を比較不可能にする、生の次数を正規化せずに報告すること。
- 次数中心性を影響力の十分な証拠と見なし、媒介中心性または固有ベクトル中心性を確認しないこと。
- 有向ネットワークにおける方向性を無視すること。入次数と出次数は異なる実質的な意味を持つ。
- 二値ネットワークと値付きネットワークの違いを認識せずに、次数中心性と加重次数中心性を混同すること。
- 実質的に重要な欠落アクターである可能性のある孤立ノード(次数0のノード)を見落とすこと。
よくある質問
次数中心性と固有ベクトル中心性の違いは何ですか?
次数中心性は、隣接ノードが誰であるかに関係なく、直接接続の数をカウントします。固有ベクトル中心性は、各接続を隣接ノードの重要度で重み付けするため、少数の中心的なノードに接続されているノードは、多くの周辺的なノードを持つノードよりも高いスコアを獲得できます。
有向ネットワークでは、入次数と出次数のどちらを使用すべきですか?
研究課題によります。入次数は、ノードにどれだけ多くの他のアクターがポインティングしているか(例:人気、名声、引用数)を測定します。出次数は、ノードがどれだけ多くの他のアクターにポインティングしているか(例:活動レベル、情報送信)を測定します。両方を報告することがしばしば有益です。
次数中心性は加重ネットワークでも機能しますか?
標準的な定式化は二値エッジを使用します。加重ネットワークの場合、類似の指標は加重次数中心性(ノード強度とも呼ばれる)であり、エッジをカウントする代わりにエッジの重みを合計します。igraph、NetworkX、Gephiのほとんどの実装はこのオプションをサポートしています。
私のネットワークはどのくらいの大きさである必要がありますか?
次数中心性には最小サイズ要件はありません。10ノードのネットワークでも意味があります。ただし、非常に小さなネットワークでは、正規化されたスコアの解像度が低下します。ほとんど全てのノードが同じように中心的であるように見える可能性があります。約20ノード未満のネットワークでは、生の次数分布を調べる方が、正規化されたスコアよりも通常は有益です。
次数中心性が十分でないのはどのような場合ですか?
ローカルな人気ではなく、ネットワーク全体のブローカーの役割、ゲートキーピング、または情報フローに関する研究課題の場合。適度な次数を持つノードでも、クラスター間のアクセスを制御したり(高い媒介中心性)、多くの直接的な接続を持たなくても、全ての他のノードに迅速に到達したり(高い近接中心性)することができます。
関連する手法
参考文献
Freeman, L. C. (1978). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239.
DOI 文献を開くコピーしました。Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press.
ISBN:978-0-521-38707-1コピーしました。