Centralność stopnia
- Autor metody
- Freeman, L. C.
- Rok
- 1978
- Typ
- Node-level centrality measure
- Rodzina
- Network science
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Centralność stopnia jest najprostszym i najbardziej intuicyjnym miernikiem ważności węzła w sieci, zdefiniowanym jako liczba bezpośrednich powiązań, jakie węzeł posiada z innymi węzłami.
Znormalizowana przez podzielenie przez maksymalną możliwą liczbę powiązań, pozwala na porównanie między sieciami o różnej wielkości i stanowi punkt wyjścia dla niemal każdej analizy sieciowej.
Intuicja stojąca za metodą
Wyobraźmy sobie salę konferencyjną, w której każdy, kto zna wiele osób, jest najbardziej aktywny społecznie. Centralność stopnia oddaje właśnie to: surową liczbę połączeń węzła. Węzeł o wysokim stopniu znajduje się w centrum natychmiastowej aktywności – może dotrzeć do wielu sąsiadów w jednym kroku. Ponieważ jest prosta w obliczeniach i łatwa do wyjaśnienia, centralność stopnia jest często pierwszym miernikiem obliczanym w badaniu sieci, służąc jako punkt odniesienia, z którym porównywane są bardziej zaawansowane miary.
Historia
Centralność stopnia została formalnie zdefiniowana i usystematyzowana przez Lintona C. Freemana w jego przełomowym artykule z 1978 roku w czasopiśmie Social Networks, który wprowadził również centralność pośrednictwa i bliskości w ramach jednolitego ramowego ujęcia koncepcyjnego. Sam miernik wywodzi się z wcześniejszych prac socjometrycznych z lat 40.–50. XX wieku. Artykuł Freemana pozostaje kanonicznym cytatem i ustanowił analizę sieci społecznych jako rygorystyczną dyscyplinę ilościową.
Kiedy stosować
Używaj centralności stopnia, gdy potrzebujesz szybkiego, interpretowalnego podsumowania, które węzły mają najwięcej bezpośrednich połączeń – do identyfikacji hubów, kluczowych aktorów lub wysoce aktywnych węzłów w dowolnej sieci binarnej lub ważonej. Nadaje się zarówno do małych, jak i dużych sieci i wymaga jedynie listy krawędzi. Nie polegaj wyłącznie na centralności stopnia, gdy pytanie badawcze dotyczy pośredniego wpływu, efektywności przepływu informacji lub ról bramkarzy; do tych celów bardziej odpowiednie są centralność wektorowa, centralność bliskości lub centralność pośrednictwa. Jest również nieinformatywna w grafach pełnych lub prawie pełnych, gdzie prawie wszystkie węzły mają ten sam stopień.
Ograniczenia i uwagi
- Liczy tylko bezpośrednich sąsiadów; ignoruje pozycję w globalnej strukturze sieci.
- Węzeł o wysokim stopniu może być całkowicie peryferyjny, jeśli wszyscy jego sąsiedzi są od siebie odizolowani.
- Nieinformatywna w grafach gęstych lub pełnych, gdzie wariancja stopnia jest bliska zeru.
- Nie rozróżnia, czy połączenia są z węzłami wpływowymi, czy peryferyjnymi (do tego użyj centralności wektorowej).
- Wrażliwa na decyzje dotyczące granic sieci – kto jest włączony do sieci, wpływa na wyniki.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Obliczeniowo trywialna – O(n) na węzeł – i skaluje się do bardzo dużych sieci.
- Natychmiast interpretowalna: surowa liczba połączeń nie wymaga wiedzy z zakresu analizy sieci do wyjaśnienia.
- Ma zastosowanie do grafów skierowanych, nieskierowanych, binarnych i ważonych (jako ważony stopień).
- Służy jako niezbędny punkt odniesienia do porównywania bardziej złożonych miar centralności.
- Rozkład stopnia stanowi odcisk palca ogólnej topologii sieci (skalowana, losowa itp.).
- Łatwa do zwizualizowania: rozmiar węzła proporcjonalny do stopnia przekazuje strukturę na pierwszy rzut oka.
Zastosowania
- Identyfikacja hubów i wpływowych aktorów w sieciach społecznych i organizacyjnych.
- Śledzenie kontaktów epidemiologicznych w celu priorytetyzacji osób o dużej liczbie połączeń do interwencji.
- Analiza sieci WWW i cytowań w celu ustalenia rankingu stron lub artykułów o dużej liczbie linków.
- Analiza odporności infrastruktury w celu znalezienia krytycznych węzłów, których usunięcie fragmentuje sieć.
- Badania marketingowe i dotyczące dyfuzji w celu zlokalizowania węzłów początkowych dla kampanii wirusowego rozprzestrzeniania.
- Badania sieci współautorstwa i współpracy w bibliometrii.
Jak to działa
Jak to działa
Sieć jest reprezentowana jako graf G = (V, E), gdzie V to zbiór węzłów, a E to zbiór krawędzi. Macierz sąsiedztwa A koduje, które pary węzłów są połączone. W sieci nieskierowanej każda krawędź jest liczona raz; w sieci skierowanej stopień wejściowy i stopień wyjściowy są śledzone oddzielnie, odzwierciedlając odpowiednio powiązania przychodzące i wychodzące.
Dla każdego węzła v, centralność stopnia jest obliczana przez zsumowanie wszystkich wpisów w jego wierszu (lub kolumnie) macierzy sąsiedztwa – to znaczy, przez policzenie, ilu innym węzłom jest bezpośrednio połączony. Surowy stopień to C_D(v) = deg(v). W grafie skierowanym stopień wejściowy liczy powiązania przychodzące, podczas gdy stopień wyjściowy liczy powiązania wychodzące.
Wzór
C_D(v) = \deg(v) = \sum_{u \in V} a_{vu}Aby porównać sieci o różnej wielkości, surowy stopień jest dzielony przez (n − 1), maksymalną możliwą liczbę powiązań w sieci n węzłów. Znormalizowany wynik C_D'(v) mieści się w przedziale od 0 do 1, gdzie 1 oznacza węzeł połączony z każdym innym węzłem w sieci.
Wzór
C_D'(v) = \frac{\deg(v)}{n - 1}Węzły są rangowane według ich znormalizowanego wyniku centralności stopnia. Rozkład wyników można zwizualizować jako histogram lub przedstawić na grafie sieci jako rozmiar lub kolor węzła. Węzły o wysokim stopniu są kandydatami na huby lub influencerów; kształt rozkładu stopnia (np. z długim ogonem vs. jednolity) ujawnia szersze właściwości strukturalne sieci.
Częste pułapki
- Raportowanie surowego stopnia bez normalizacji, co sprawia, że wyniki są nieporównywalne między sieciami o różnej wielkości.
- Traktowanie centralności stopnia jako wystarczającego dowodu wpływu bez sprawdzania centralności pośrednictwa lub wektorowej.
- Ignorowanie kierunkowości w sieciach skierowanych: stopień wejściowy i stopień wyjściowy niosą różne znaczenia merytoryczne.
- Mylenie centralności stopnia z ważoną centralnością stopnia bez uznania różnicy w sieciach binarnych vs. ważonych.
- Przeoczenie izolowanych węzłów (węzłów o stopniu 0), które mogą być merytorycznie ważnymi brakującymi aktorami.
Najczęściej zadawane pytania
Jaka jest różnica między centralnością stopnia a centralnością wektorową?
Centralność stopnia liczy liczbę bezpośrednich połączeń, niezależnie od tego, kim są ci sąsiedzi. Centralność wektorowa waży każde połączenie ważnością sąsiada, więc węzeł połączony z kilkoma wysoce centralnymi węzłami może uzyskać wyższy wynik niż węzeł z wieloma peryferyjnymi sąsiadami.
Czy powinienem używać stopnia wejściowego czy wyjściowego w sieci skierowanej?
Wybór zależy od pytania badawczego. Stopień wejściowy mierzy, ilu aktorów wskazuje na węzeł (np. popularność, prestiż, liczba cytowań). Stopień wyjściowy mierzy, ilu aktorów wskazuje węzeł (np. poziom aktywności, wysyłanie informacji). Często informacyjne jest raportowanie obu wartości.
Czy centralność stopnia działa w sieciach ważonych?
Standardowa formuła wykorzystuje krawędzie binarne. W przypadku sieci ważonych analogicznym miernikiem jest ważona centralność stopnia (zwana również siłą węzła), która sumuje wagi krawędzi zamiast liczyć krawędzie. Większość implementacji w igraph, NetworkX i Gephi obsługuje tę opcję.
Jak duża musi być moja sieć?
Centralność stopnia nie ma minimalnego wymogu rozmiaru. Jest ona znacząca nawet w sieciach liczących 10 węzłów. Jednak w bardzo małych sieciach znormalizowany wynik traci rozdzielczość – prawie wszystkie węzły mogą wydawać się równie centralne. W sieciach z mniej niż około 20 węzłami, analiza rozkładu surowego stopnia jest zazwyczaj bardziej informatywna niż znormalizowany wynik.
Kiedy centralność stopnia nie wystarcza?
Gdy pytanie badawcze dotyczy ról pośredników, bramkarzy lub przepływu informacji przez sieć, a nie lokalnej popularności. Węzeł o umiarkowanym stopniu może kontrolować dostęp między klastrami (wysokie pośrednictwo) lub szybko docierać do każdego innego węzła (wysokie bliskość) bez posiadania wielu bezpośrednich powiązań.
Pokrewne metody
Źródła
Freeman, L. C. (1978). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239.
Otwórz odnośnik DOISkopiowano.Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press.
ISBN: 978-0-521-38707-1Skopiowano.