Skip to content
検索結果に戻る

重み付き固有ベクトル中心性

提唱者
Bonacich, P. (binary); Opsahl, T. et al. (weighted extension)
年
1987 (binary); 2010 (weighted generalization)
種類
Spectral 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

文字サイズ

何をする手法か?

重み付き固有ベクトル中心性は、エッジが数値的な重みを持つグラフに対して、古典的な固有ベクトル中心性の尺度を拡張したものであり、各ノードのスコアを、接続するエッジの重みを乗じた隣接ノードのスコアの合計に比例させて算出する。ノードは、単に多くの接続を持つだけでなく、他の影響力のあるノードと強く結びついていることによって高いスコアを得るため、この尺度はタイの強さとネットワーク上の位置の両方に同時に感応する。

手法の背後にある直感

重みなしネットワークでは、固有ベクトル中心性は再帰的に名声を捉える:重要なノードに接続されていることは、あなた自身の重要性を高める。重み付きネットワークでは、中心的なアクターへの弱いタイは、同じアクターへの強いタイよりも重要度が低い。重み付き固有ベクトル中心性は、単純な隣接行列を重み行列に置き換えることによってこの直感を内部化するため、同じリーダーとの表面的な共同執筆しかない研究者よりも、その分野のリーダーと集中的に協力している研究者の方が高くランク付けされる。各ノードのスコアは、隣接ノードのスコアの重み付き合計に比例する。

歴史学

固有ベクトル中心性は、1987年にPhillip Bonacichによって社会ネットワークの名声尺度として導入され、各接続をそのソースの中心性で重み付けることによって単純な次数を一般化した。重み付きネットワークへの明示的な拡張は、Opsahl、Agneessens、Skvoretz(2010)によって形式的に扱われ、次数中心性とパスベース中心性の両方を重み付きグラフに一般化する統一フレームワークを提供した。この尺度は現在、計量学、神経科学コネクトミクス、国際貿易ネットワーク分析における標準的なツールとなっている。

使うべき場面

ネットワークに意味のあるエッジの重み(共同執筆頻度、コミュニケーション量、貿易フロー、共起数)があり、強く接続されているノードと、他の十分に接続されているノードに接続されているノードの両方を特定する必要がある場合に、重み付き固有ベクトル中心性を使用する。特に共同執筆ネットワーク、経済貿易ネットワーク、脳接続性分析に適している。エッジの重みが順序尺度または任意にスケーリングされている場合、ネットワークが非常に疎または切断されている場合(主固有ベクトルが収束しないか、小さなクリケットに支配される可能性がある)、重みが親和性ではなく距離を表す場合、または単一の要約スコアの解釈可能性が不十分で、媒介中心性のようなパスベースの尺度の方が関連性が高い場合には、避ける。

限界と注意点

  • 切断された、またはほぼ切断されたグラフでは問題が発生する可能性があり、主固有ベクトルが周辺コンポーネントに対してゼロに崩壊する可能性がある。
  • 重みのスケーリングに感応する:すべての重みを定数で乗算しても固有値は変化するがランキングは変化しない。しかし、任意の重み変換は結果を歪める可能性がある。
  • パス長やブリッジングの役割を考慮しない。重要な最短パス上のノードは、媒介中心性ベースの尺度と比較して過小評価される可能性がある。
  • 非常に大きな密なネットワークでは計算コストが高い。大規模では、スパース近似またはパワーイテレーション法が必要。

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

  • 次数中心性とは異なり、タイの強さとグローバルな名声の両方を同時に捉える。
  • ペロン・フロベニウスの定理により、連結非負行列に対して一意の非負解が保証される、スペクトルグラフ理論に理論的に根ざしている。
  • エッジの重みの不均一性に感応し、多くの弱いリンクを持つノードよりも、他の影響力のあるノードへの強いリンクを持つノードを評価する。
  • 標準的なネットワークライブラリ(NetworkX、igraph、Rのigraphパッケージ)に広く実装されており、カスタムコードなしでアクセス可能。
  • 無向および有向重み付きネットワークの両方に適用可能。

応用

  • 計量学における重み付き共同執筆または共同執筆ネットワークにおける主要なインフルエンサーの特定。
  • エッジの重みが信号相関強度を反映する脳接続ネットワークにおけるハブ領域のマッピング。
  • 輸出量で重み付けされたグローバル貿易ネットワークにおける国の中心性によるランキング。
  • 相互作用強度で重み付けされた生態系の食物網における優占種またはキーストーンノードの検出。
  • 接触頻度で重み付けされた疫学的接触ネットワークにおける介入対象ノードの優先順位付け。
  • トラフィック量で重み付けされた通信ネットワークにおけるルーターまたはサーバーの重要性の評価。

使い方

使い方

1

ネットワークを重み付き隣接行列 W で表現する。ここで、エントリ W_ij はノード i と j 間のエッジの重みを持つ。重みは非負でなければならず、対称行列は無向ネットワークに適用され、非対称行列は有向重み付きグラフに尺度を拡張する。

数式
W \in \mathbb{R}^{n \times n},\; W_{ij} = w_{ij} \geq 0
2

W の固有値と固有ベクトルを計算する。最大の正の固有値に関連付けられた主固有ベクトルは、再帰的な方程式 Wx = lambda*x を満たし、各ノードのスコアが隣接ノードのスコアの重み付き合計に比例することを保証する。

数式
W \mathbf{x} = \lambda \mathbf{x}
3

最大の固有値に対応する固有ベクトルを選択する(ペロン・フロベニウスの定理は、連結非負行列に対してこの固有ベクトルがすべて非負のエントリを持つことを保証する)。これが意味のある中心性の解である。

数式
\mathbf{x}^* = \text{eigenvector for } \lambda_{\max}
4

生の固有ベクトルエントリを、最大スコアが 1 になるように(または慣例により L2 ノルムが 1 になるように)リスケールし、ネットワーク内の最も中心的なノードに対する相対的なノードのランキングである解釈可能な中心性スコアを得る。

数式
x_i^* = \frac{x_i}{\max_j x_j}

よくある落とし穴

  • ノードの活動に対して正規化せずに、生の共起数を使用し、選択性に関係なく高トラフィックノードの中心性を誇張する。
  • グラフが切断されている場合に、最大の連結成分を抽出せずに尺度を適用し、周辺ノードに対して意味のないゼロスコアを生成する。
  • 距離タイプの重み(例:地理的距離、遅延)を親和性重みとして扱うと、解釈が逆転する。つまり、高い重みは強い接続を意味すべきであり、大きなコストではない。
  • 反復(パワーイテレーション)計算を使用する際に、収束診断を無視し、スコアを信頼する前にアルゴリズムが収束したか確認しない。

よくある質問

重み付き固有ベクトル中心性は、標準的な(バイナリ)固有ベクトル中心性とどのように異なりますか?

バイナリ固有ベクトル中心性は重みなし隣接行列を使用するため、タイの強さに関係なく、各隣接ノードは等しく寄与する。重み付きバージョンは重み行列を使用するため、隣接ノードは接続エッジの重みに比例して寄与し、タイの強さが名声計算の明示的な部分となる。

私のネットワークが有向の場合はどうなりますか?

有向重み付きネットワークの場合、重み行列は非対称になる。左固有ベクトル(重み付きハブスコアに類似した、流入名声を反映)または右固有ベクトル(流出名声を反映)を計算できる。これは、影響力の受信者に関心があるか、送信者に関心があるかによって異なる。これは、HITSにおける権威スコアとハブスコアの区別に類似している。

負のエッジ重みを使用できますか?

非負主固有ベクトルに対するペロン・フロベニウスの保証は、非負行列にのみ適用される。負の重み(例:敵対的な関係)は、この保証を破り、解釈が困難な混合符号の固有ベクトルを生成する可能性がある。正と負の層を分離するか、絶対値変換を注意深く適用することによって、負の重みを前処理する。

重み付き次数(強度)中心性よりも優れていますか?

それらは異なるものを捉える。重み付き次数(ノード強度)は直接タイの合計重みを数えるが、隣接ノードが誰であるかは無視する。重み付き固有ベクトル中心性は、グローバルなネットワーク位置を再帰的に組み込む。実際には、多くの場合、経験的なネットワークで2つの尺度は強く相関するため、固有ベクトル中心性が収束しない場合やグラフが切断されている場合、ノード強度がより安全なフォールバックになる可能性がある。

非常に大きなネットワークをどのように処理しますか?

完全な固有値分解ではなく、スパース行列表現とパワーイテレーションアルゴリズム(NetworkXおよびigraphで利用可能)を使用する。収束許容値と反復回数の制限を確認する。数百万ノードのネットワークの場合は、尺度を適用する前にサンプリングまたはコミュニティレベルの集約を検討する。

関連する手法

参考文献

  1. Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182.

    DOI 文献を開く
    コピーしました。
  2. Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251.

    DOI 文献を開く
    コピーしました。