Analiza sieci multipleksowych
- Autor metody
- Kivela, M.; Boccaletti, S. et al.
- Rok
- 2014
- Typ
- Structural network model
- Rodzina
- Network science
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Analiza sieci multipleksowych bada systemy, w których ten sam zbiór węzłów jest połączony wieloma różnymi typami relacji, z których każdy jest reprezentowany jako oddzielna warstwa sieci.
Analizując warstwy jednocześnie, a nie w izolacji, ujawnia, w jaki sposób różne typy relacji oddziałują na siebie, wzmacniają się nawzajem lub kompensują w obrębie tych samych aktorów lub bytów.
Intuicja stojąca za metodą
Wyobraźmy sobie tę samą grupę badaczy połączonych jednocześnie trzema różnymi sieciami: współautorstwa, cytowań i uczestnictwa w konferencjach. Standardowa analiza jednopoziomowa zmusza do wybrania jednej lub połączenia wszystkich trzech w jeden graf, tracąc informacje. Analiza multipleksowa utrzymuje wszystkie trzy warstwy nienaruszone i bada je razem. Węzły mogą być centralne w jednej warstwie, ale peryferyjne w innej, a wzajemne oddziaływanie między warstwami — czy silne połączenie w jednej warstwie przewiduje lub kompensuje słabe połączenie w innej — jest dokładnie tym, co metody multipleksowe są zaprojektowane do uchwycenia.
Historia
Formalne ramy teoretyczne dla sieci multipleksowych i wielowarstwowych wyłoniły się w parze przełomowych przeglądów z 2014 roku — Kivela i in. w Journal of Complex Networks oraz Boccaletti i in. w Physics Reports — które ujednoliciły wcześniej rozproszone prace pod wspólnym formalizmem matematycznym. Wcześniejsze badania empiryczne analizowały wiele typów relacji równolegle bez ujednolicających ram. Od 2014 roku metody multipleksowe są stosowane do systemów transportowych, internetowych platform społecznościowych, konektomów neuronaukowych i sieci cytowań, a specjalistyczne oprogramowanie (MuxViz, multinet, pymnet) konsoliduje zestaw narzędzi.
Kiedy stosować
Używaj analizy sieci multipleksowych, gdy te same węzły są połączone wieloma jakościowo różnymi typami powiązań, a agregacja tych powiązań w jedną warstwę zaciemniła by ważne różnice, na przykład badając naukowców połączonych jednocześnie współautorstwem, cytowaniami i pocztą elektroniczną. Jest to szczególnie potężne, gdy teoria przewiduje, że różne typy relacji wzmacniają się lub kompensują nawzajem. Nie używaj jej, gdy dostępny jest tylko jeden typ relacji, gdy zbiory węzłów znacznie się różnią w zależności od typu relacji (użyj analizy dwu- lub wielowarstwowej zamiast tego), lub gdy wielkość próby jest zbyt mała, aby wiarygodnie oszacować metryki specyficzne dla warstwy.
Ograniczenia i uwagi
- Obciążenie związane ze zbieraniem danych jest wysokie, ponieważ pełne listy krawędzi muszą być zbierane dla każdej warstwy niezależnie.
- Koszt obliczeniowy skaluje się wraz z liczbą warstw i węzłów; duże sieci multipleksowe wymagają znacznej pamięci.
- Interpretacja staje się złożona, gdy połączonych jest wiele warstw o różnych gęstościach i strukturach.
- Standardowe oprogramowanie dla sieci jednopoziomowych musi zostać zastąpione lub rozszerzone; pakiety uwzględniające multipleksowość (MuxViz, multinet) są mniej dojrzałe.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Zachowuje jakościowe rozróżnienia między typami relacji zamiast wymuszać sztuczną agregację.
- Wyniki centralności multipleksowej dają bogatszy obraz znaczenia węzła niż jakakolwiek metryka jednopoziomowa.
- Statystyki porównania warstw ujawniają, które typy relacji są zbędne, a które komplementarne.
- Wykrywanie społeczności w warstwach daje bardziej stabilne i teoretycznie znaczące grupy.
- Ma zastosowanie do szerokiej gamy ustawień empirycznych: sieci społecznych, biologicznych, transportowych i informacyjnych.
Zastosowania
- Nauki społeczne: jednoczesna analiza przyjaźni, udzielania rad i zaufania w ramach tej samej organizacji.
- Bibliometria: współautorstwo, współcytowanie i współwystępowanie słów kluczowych jako warstwy równoległe dla tego samego zbioru badaczy.
- Transport: sieci drogowe, kolejowe i lotnicze dzielące te same węzły miejskie badane razem.
- Neurobiologia: warstwy łączności funkcjonalnej o różnej częstotliwości nad tym samym zbiorem regionów mózgu.
- Platformy internetowe: obserwowanie, retweetowanie i wzmiankowanie jako odrębne warstwy nad tym samym zbiorem użytkowników.
Jak to działa
Jak to działa
Każdy odrębny typ relacji jest kodowany jako oddzielna macierz sąsiedztwa lub lista krawędzi, tworząc jedną warstwę sieci multipleksowej. Wszystkie warstwy dzielą ten sam zbiór węzłów — tych samych aktorów, bytów lub jednostek — ale krawędzie w każdej warstwie reprezentują inny rodzaj powiązania, taki jak przyjaźń w porównaniu ze współpracą zawodową w porównaniu z wymianą informacji.
Krawędzie międzywarstwowe lub wagi sprzężenia są definiowane w celu reprezentowania sposobu, w jaki każdy węzeł jest połączony ze swoim odpowiednikiem w innych warstwach. W najprostszym przypadku każdy węzeł jest połączony z samym sobą w każdej innej warstwie z wagą jednostkową (sprzężenie kategorialne). Bardziej złożone sprzężenia mogą kodować prawdopodobieństwa przejścia lub podobieństwo między warstwami.
Miary centralności multipleksowej rozszerzają standardowe metryki jednopoziomowe — stopień, pośrednictwo, własny wektor, PageRank — na cały stos warstw. Przykłady obejmują wskaźnik wszechstronności, który generalizuje PageRank w warstwach, oraz stopień nakładania się, który zlicza liczbę odrębnych warstw, w których uczestniczy węzeł. Te wyniki jednocześnie uchwytują ogólne znaczenie węzła we wszystkich typach relacji.
Warstwy są porównywane strukturalnie za pomocą miar takich jak nakładanie się krawędzi (frakcja par węzłów połączonych w więcej niż jednej warstwie), korelacja warstw i wzajemna informacja międzywarstwowa. Wysokie nakładanie się wskazuje na redundancję typów relacji; niskie nakładanie się wskazuje na kanały komplementarne lub niezależne.
Algorytmy wykrywania społeczności są rozszerzane na ustawienia multipleksowe poprzez optymalizację uogólnionej funkcji modularności dla wszystkich warstw jednocześnie lub poprzez wykorzystanie dekompozycji tensorowych. Społeczności znalezione w danych multipleksowych są bardziej odporne niż te wyodrębnione z pojedynczej warstwy, ponieważ muszą być spójne w wielu typach relacji.
Częste pułapki
- Traktowanie wszystkich warstw jako równie ważnych bez sprawdzania, czy niektóre warstwy są prawie puste lub zbędne.
- Ignorowanie asymetrii brakujących danych — węzeł obecny w jednej warstwie, ale nieobecny w innej, jest często źle traktowany.
- Porównywanie wyników centralności między warstwami bez uwzględnienia różnic w gęstości lub rozmiarze warstwy.
- Agregowanie warstw poprzez sumowanie wag krawędzi przed analizą, co niszczy strukturę multipleksową, którą metoda ma na celu wykorzystać.
- Mylenie sieci multipleksowych (te same węzły, różne typy krawędzi) z sieciami wielowarstwowymi lub dwudzielnymi (różne zbiory węzłów na warstwę).
Najczęściej zadawane pytania
Jaka jest różnica między siecią multipleksową a siecią wielowarstwową?
W sieci multipleksowej każda warstwa zawiera dokładnie ten sam zbiór węzłów; różnią się tylko typy krawędzi. Sieci wielowarstwowe są bardziej ogólne i dopuszczają różne zbiory węzłów na warstwę. Sieci multipleksowe są szczególnym przypadkiem sieci wielowarstwowych.
Czy mogę po prostu połączyć wszystkie warstwy w jeden ważony graf?
Można, ale traci się kluczowe informacje: para węzłów połączona w pięciu różnych warstwach wygląda identycznie jak para połączona pięć razy w jednej warstwie. Analiza multipleksowa jest specjalnie zaprojektowana do zachowania i wykorzystania rozróżnienia między typami warstw.
Ile warstw potrzebuję do sensownej analizy multipleksowej?
Formalnie, dwie warstwy są wystarczające, aby nazwać sieć multipleksową, ale metoda przynosi najwięcej wartości przy trzech lub więcej odrębnych, merytorycznie znaczących typach relacji. Bardzo rzadkie warstwy lub warstwy o prawie zerowym nakładaniu się krawędzi powinny być dokładnie sprawdzone przed włączeniem.
Które pakiety oprogramowania obsługują analizę sieci multipleksowych?
MuxViz (R/Python), multinet (R) i pymnet (Python) to główne specjalistyczne biblioteki. NetworkX (Python) i igraph (R/Python) mogą obsługiwać dane multipleksowe za pomocą niestandardowego kodowania, ale brakuje im natywnych metryk multipleksowych.
Czym różni się wykrywanie społeczności w sieci multipleksowej?
W ustawieniu multipleksowym wykrywanie społeczności optymalizuje uogólnioną modularność, która sumuje wkłady ze wszystkich warstw jednocześnie, lub wykorzystuje metody faktoryzacji tensorowej. Wynikiem jest pojedynczy podział, który jest spójny we wszystkich typach relacji, w przeciwieństwie do uruchamiania detekcji osobno dla każdej warstwy.
Pokrewne metody
Źródła
Kivela, M., Arenas, A., Barthelemy, M., Gleeson, J. P., Moreno, Y., & Porter, M. A. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271.
Otwórz odnośnik DOISkopiowano.Boccaletti, S., Bianconi, G., Criado, R., del Genio, C. I., Gomez-Gardenes, J., Romance, M., Sendina-Nadal, I., Wang, Z., & Zanin, M. (2014). The structure and dynamics of multilayer networks. Physics Reports, 544(1), 1–122.
Otwórz odnośnik DOISkopiowano.