加重度中心性
- 提唱者
- Barrat, A.; Barthélemy, M.; Pastor-Satorras, R.; Vespignani, A.
- 年
- 2004
- 種類
- Centrality measure for weighted networks
- 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?
加重度中心性(ノード強度とも呼ばれる)は、古典的な度中心性指標を、辺に数値的な重みを持つネットワークに拡張したものである。単にノードの接続数を数えるのではなく、そのノードに接続するすべての辺の重みを合計することで、ノードのつながりの量と強度の両方を単一の解釈可能なスコアで捉える。
手法の背後にある直感
重みなしネットワークでは、ノードの次数はその隣接ノードの数を数えるが、毎週10人の同僚にメールを送る研究者と、年に一度各同僚にメールを送る研究者は同等ではない。加重度中心性は、この区別を捉える。すなわち、各接続の実際の強度を合計する。高いスコアは、単に接続が多いだけでなく、強いまたは頻繁な関係を維持しているノードを示唆しており、加重された社会的、生物学的、またはインフラストラクチャネットワークにおける影響力や負荷を担う重要性の自然な尺度となる。
歴史学
ノード強度の加重一般化としての概念は、複雑な加重ネットワークのアーキテクチャ、特にグローバルな航空輸送ネットワークを分析した2004年のPNAS論文で、Barrat、Barthélemy、Pastor-Satorras、Vespignaniによって正式に導入された。彼らのフレームワークは、加重ネットワーク科学の基礎的な参照となり、現在ではNewmanのNetworks: An Introduction (2010) のようなネットワーク分析の教科書の標準的な教材となっている。この測定はその後、神経科学、経済学、生態学、計算社会科学に応用されている。
使うべき場面
ネットワークに意味のある数値的な辺の重み(協力頻度、通信量、貿易額、物理的フロー)があり、パスベースの測定の複雑さなしに最も活動的または影響力のあるノードを特定したい場合に、加重度中心性を使用する。バイナリ次数が辺の強度の重要な変動を無視する場合、これは適切な最初の中心性測定である。辺の重みが名義尺度または順序尺度カテゴリである場合(意味のある順序尺度スコアに変換してから使用)、ネットワーク構造が生の処理量よりも重要である場合(介在中心性または固有ベクトル中心性を優先)、またはネットワークが重みなしである場合(標準的な度中心性を使用)は使用しない。
限界と注意点
- 辺の重みのスケールと分布に敏感である。歪んだ重みは、少数のノードのスコアを劇的に増幅させる可能性がある。
- グローバルネットワーク構造におけるノードの位置を考慮しない — 周辺的だが重みが大きいノードが、トポロジ的に中心的なノードよりも高いスコアを得る可能性がある。
- 有向ネットワークでは、辺の方向を無視する。ただし、入力強度と出力強度が個別に計算されない場合。
- クラスタリング、仲介、または間接的な接続のリーチに関する情報を提供しない。
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
- 計算が安価 — O(m) (m は辺の数)であり、大規模ネットワークでは自明に並列化可能である。
- 直感的な解釈:ノードの接続の総量または強度を直接反映する。
- バイナリ度中心性ではできない、同じ次数でも辺の強度が異なるノードを区別する。
- NetworkX、igraph、Gephi、およびRのigraphパッケージに広く実装されている。
- 重みなし次数と自然に組み合わせて、高次数ノードが重いトラフィックも運んでいるかどうかを検出できる。
応用
- 加重ソーシャルネットワークおよびコラボレーションネットワークにおける最も活動的または影響力のあるアクターの特定。
- 輸送および貿易ネットワークにおける主要ハブの、総フローまたは総量による検出。
- コネクトーム研究におけるシナプスまたは機能的接続強度による脳領域のランキング。
- 書誌ネットワークにおける生産的な共著または引用影響力の定量化。
- 相互作用頻度またはバイオマスフローで重み付けされた生態学的食物網における主要種の検出。
- より高価なパスベースの中心性測定を適用する前のノード重要性のベンチマーキング。
使い方
使い方
ネットワークを加重グラフ G = (V, E, W) として表現する。ここで、ノード V はアクターまたはエンティティ、辺 E はつながり、重み行列 W は各辺に正の実数値 w_ij を割り当て、頻度、強度、コスト、またはその他のドメイン関連の数量をエンコードする。負の重みには注意深い前処理または代替の定式化が必要である。
各ノード i について、それに接続する隣接ノードとの辺の重みを合計する: s_i = Σ w_ij (i の隣接ノードのすべての j について)。この量は、Barrat et al. (2004) の文献ではノード強度として参照され、バイナリ次数を加重ケースに直接一般化する。
数式
s_i = \sum_{j \in \mathcal{N}(i)} w_{ij}各ノードの強度をネットワークの総重み(または最大ノード強度)で割って、0から1の正規化されたスコアを得る。正規化により、異なるサイズまたは総重み予算のネットワーク間での公平な比較が可能になり、ランキングまたは回帰分析の前に標準的な手順となる。
数式
s_i^{\text{norm}} = \frac{s_i}{\sum_k s_k}正規化された強度スコアでノードをソートし、高中心性のノードを特定する。ソーシャルネットワークでは、これらは最も活動的または影響力のあるアクターである。貿易ネットワークでは、最大のハブ。共著ネットワークでは、最も生産的な協力者。バイナリ次数と比較して、ノードの影響力が辺の強度によって増幅または減衰されているかどうかを特定する。
よくある落とし穴
- 重みが大きく歪んでいる場合に、標準化または対数変換なしで、生の重みをデータセット間で比較可能と見なすこと。
- 有向ネットワークで入力強度と出力強度を個別に計算せず、正当化なしに単一のスコアにまとめること。
- 高強度が多くの弱い結びつきによって、または少数の強い結びつきによって駆動されているかどうかを見逃すことを避けるため、バイナリ度中心性と比較せずに加重度中心性を報告すること。
- 自己ループに測定を適用する際に、対角重みを含めるか除外するかを決定しないこと。
- 観測が不十分なノードの強度を体系的に過小評価する可能性がある、欠損またはゼロ過剰な重みを無視すること。
よくある質問
加重度中心性は標準的な度中心性とどのように異なりますか?
標準的な度中心性は、すべての接続を等しく扱うノードに接続する辺の数を数えます。加重度中心性は辺の重みを合計するため、非常に強い1つのつながりに接続されたノードは、多くの弱い接続を持つノードよりも高いスコアを得ることができます。これら2つの測定を組み合わせることで、ノードの影響力が接続の広さから来るのか、それとも強度から来るのかが明らかになります。
ノード強度を計算する前に辺の重みを対数変換すべきですか?
重みが数桁にわたる場合(例えば、数千から数十億に及ぶ貿易量など)、対数変換は、少数の極端なつながりがスコアを支配するのを防ぎます。常に重みの分布を調べ、重みが大きく右に歪んでいる場合は変換を適用してください。
有向ネットワークをどのように扱いますか?
入力辺の重みの合計(入力強度)と出力辺の重みの合計(出力強度)を個別に計算します。入力強度はしばしば人気や権威を反映し、出力強度は活動や努力を反映します。それらを単一のスコアにまとめることは、方向情報を失います。
加重度中心性を計算するための合理的なソフトウェアの選択肢は何ですか?
PythonのNetworkX(degreeメソッドにweightパラメータを指定)、RまたはPythonのigraph(strength関数)、およびGephi(組み込みの加重度列)はすべて、単一の関数呼び出しでノード強度を計算します。非常に大規模なスパースネットワークの場合、graph-toolまたはGraphBLASベースの実装の方が効率的です。
加重度中心性よりも介在中心性を優先すべきなのはいつですか?
ネットワーク内のブローカーやブリッジなど、ノードが最短パスに沿った情報またはリソースフローを制御しているかどうかを重視する場合に介在中心性を使用します。各ノードでの生の活動またはスループットを重視する場合に加重度中心性を使用します。これらは補完的であり、しばしば一緒に報告すると有益です。
関連する手法
参考文献
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 文献を開くコピーしました。Newman, M. E. J. (2010). Networks: An Introduction. Oxford University Press.
ISBN:978-0-19-920665-0コピーしました。