Análise de Redes Bipartidas — Redes de Dois Modos
- Proposto por
- Borgatti & Everett (1997) formalised the two-mode network framework
- Ano
- 1997
- Tipo
- Graph-structural / relational analysis
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
A análise de redes bipartidas, formalizada por Borgatti e Everett em 1997, é um método grafo-estrutural para estudar redes nas quais os nós são divididos em dois conjuntos disjuntos — atores e eventos — e as arestas existem apenas entre os conjuntos, nunca dentro deles.
É a estrutura natural para dados de afiliação autor–artigo, paciente–doença, usuário–produto e quaisquer outros, e estende a análise de redes de um modo, fornecendo métricas e técnicas de projeção adaptadas à estrutura de dois modos.
A intuição por trás do método
Imagine uma planilha onde as linhas são pessoas e as colunas são os clubes aos quais elas pertencem. Uma célula é marcada se a pessoa A pertence ao clube B. As ferramentas de rede padrão esperam que todos se conectem diretamente a todos os outros, mas aqui as pessoas se conectam apenas a clubes, não a outras pessoas. A análise de redes bipartidas lê essa estrutura bilateral como ela é — medindo o quão central cada pessoa ou clube é dentro de todo o padrão de afiliação — e pode então dobrá-la em uma rede apenas de pessoas, onde duas pessoas são ligadas se compartilharem pelo menos um clube, dando uma imagem mais rica do que simplesmente ignorar a natureza de dois modos dos dados.
História
O tratamento formal de dados de rede de dois modos foi estabelecido por Borgatti e Everett em seu artigo de 1997 na Social Networks, que estendeu as métricas de grafo padrão para o caso bipartido e introduziu o arcabouço de projeção. Guillaume e Latapy (2006) subsequentemente mostraram que muitas redes complexas empíricas — da Internet a sistemas biológicos — exibem subestrutura bipartida, reforçando a generalidade da abordagem. O método tornou-se padrão em bibliometria, pesquisa de sistemas de recomendação e ciência social computacional.
Quando usar
Use a análise de redes bipartidas sempre que seus dados relacionais se dividirem naturalmente em dois tipos de nós disjuntos — atores e eventos, usuários e itens, pacientes e diagnósticos — e você quiser estudar as propriedades estruturais desse padrão de afiliação. O método se aplica a propósitos exploratórios, relacionais e de classificação e lida com pesos de arestas binários, contínuos ou categóricos. Recomenda-se um mínimo de 20 nós no total para métricas estruturais significativas. A suposição central é estrita: as arestas existem apenas entre os dois conjuntos de nós, nunca dentro de um único conjunto. Se essa partição não existir em seus dados, a análise de redes de um modo padrão é mais apropriada.
Limitações e considerações
- A projeção para redes de um modo perde informações: dois atores podem compartilhar o mesmo peso de aresta projetado, apesar de padrões de coparticipação muito diferentes.
- Métricas de centralidade padrão projetadas para grafos de um modo devem ser adaptadas ou reinterpretadas; a aplicação ingênua produz classificações enganosas.
- Grafos bipartidos muito esparsos (poucas conexões por nó) produzem estimativas de centralidade não confiáveis.
- O método descreve a estrutura, mas não modela mecanismos causais; inferir por que os atores se afiliam requer métodos complementares.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Respeita a estrutura bilateral inerente aos dados de afiliação, em vez de forçá-los a uma representação de um modo que descarta informações.
- A projeção em redes de um modo permite a análise subsequente com o conjunto completo de ferramentas de métodos de rede padrão.
- Aplicável em diversos domínios — bibliometria, sistemas de recomendação, epidemiologia, ecologia e varejo — onde surgem dados ator–evento.
- A comparação estatística com o modelo nulo BiRG permite o teste de significância de padrões estruturais observados.
Aplicações
- Bibliometria: mapeamento de redes de afiliação autor–artigo para identificar pesquisadores influentes e comunidades colaborativas.
- Sistemas de recomendação: análise de grafos de interação usuário–item para identificar padrões de coparticipação ou co-visualização.
- Epidemiologia: estudo de redes paciente–doença ou hospedeiro–patógeno para detectar agrupamentos de comorbidades.
- Ecologia: modelagem de teias alimentares bipartidas planta–polinizador ou presa–predador.
- Pesquisa organizacional: exame de redes empregado–projeto ou membro do conselho–empresa para estudar o compartilhamento de recursos e a intermediação.
Como funciona
Como funciona
Os dados brutos de afiliação são montados em um grafo bipartido B com duas partições de nós disjuntas — convencionalmente chamadas de conjunto superior (atores) e conjunto inferior (eventos) — e arestas desenhadas apenas através do limite da partição. A entrada é tipicamente uma matriz de incidência ou uma lista de arestas de duas colunas; nenhuma aresta é permitida dentro de uma única partição, o que é a restrição estrutural definidora de um grafo bipartido.
Antes de calcular as métricas, a propriedade de dois modos é verificada: cada nó deve pertencer a exatamente uma partição e nenhuma aresta dentro da partição pode existir. Um modelo nulo aleatório de dois modos — o Grafo Aleatório Bipartido (BiRG), que preserva sequências de graus — pode ser gerado nesta etapa para servir como uma linha de base estatística para comparações posteriores.
Métricas de centralidade e agrupamento adaptadas para a estrutura bipartida são calculadas no grafo completo de dois modos. A centralidade de intermediação ou proximidade padrão de um modo pode ser calculada, mas deve ser interpretada com a consciência de que os caminhos sempre alternam entre as partições. Coeficientes de agrupamento específicos para redes bipartidas (como o coeficiente de redundância) são preferíveis porque respeitam a restrição estrutural de que os atores nunca se conectam diretamente entre si.
O grafo de dois modos é opcionalmente colapsado em uma ou ambas as projeções de um modo. Na projeção de atores, dois atores são conectados se compartilharem pelo menos um evento; os pesos das arestas tipicamente codificam a contagem de eventos compartilhados ou uma pontuação ponderada de coparticipação. A projeção descarta informações, portanto, projeções ponderadas e comparação com o modelo nulo BiRG são recomendadas para avaliar quais coparticipações são estatisticamente inesperadas.
As classificações de centralidade, os coeficientes de agrupamento e a estrutura de projeção são interpretados em termos de domínio — por exemplo, identificando os autores mais influentes em uma rede de coautoria, os eventos mais frequentados em uma rede ator–evento ou os pares de coparticipação mais fortes em uma rede de varejo. Os achados devem ser comparados com o modelo nulo para distinguir padrões estruturais significativos de flutuações aleatórias.
Erros comuns
- Tratar o grafo bipartido como um grafo de um modo ignorando a associação à partição — isso viola a suposição estrutural e produz métricas sem sentido.
- Usar projeção não ponderada quando os eventos diferem muito em tamanho de público — uma coparticipação em um workshop de duas pessoas não deve ter o mesmo peso que a co-presença em uma conferência de mil pessoas; use projeções ponderadas em vez disso.
- Aplicar coeficientes de agrupamento de um modo sem ajuste — como os atores nunca compartilham arestas diretas, os coeficientes de agrupamento ingênuos colapsam para zero; use uma medida de agrupamento apropriada para redes bipartidas.
- Pular a comparação com o modelo nulo — sem a linha de base BiRG, é impossível julgar se uma contagem de coparticipação observada é estruturalmente significativa ou simplesmente um produto de alto grau.
Perguntas frequentes
Como uma rede bipartida difere de uma rede regular (de um modo)?
Em uma rede regular, todos os nós podem potencialmente se conectar a qualquer outro nó. Em uma rede bipartida, os nós são divididos em dois conjuntos disjuntos — atores e eventos — e as arestas são permitidas apenas através do limite da partição. Essa restrição reflete a estrutura natural dos dados de afiliação, onde as pessoas se juntam a grupos, mas os grupos não se juntam diretamente a outros grupos.
O que a projeção faz e quando devo usá-la?
A projeção dobra o grafo de dois modos em um grafo de um modo, conectando atores que compartilham pelo menos um evento (ou eventos que compartilham pelo menos um ator). É útil quando você deseja aplicar métricas padrão de um modo, mas descarta informações. Sempre use projeções ponderadas e compare com um modelo nulo para distinguir coparticipação significativa de sobreposição aleatória impulsionada por alto grau.
Posso usar medidas de centralidade padrão em um grafo bipartido?
Medidas padrão como grau, intermediação e proximidade podem ser calculadas, mas devem ser interpretadas cuidadosamente porque todos os caminhos alternam entre as partições. Versões adaptadas para redes bipartidas de coeficientes de agrupamento são fortemente preferidas em relação às suas contrapartes de um modo, que colapsam para zero por construção em um grafo bipartido.
Qual é o tamanho mínimo de dados necessário?
Recomenda-se um mínimo de 20 nós no total em ambas as partições para que as métricas estruturais sejam significativas. Grafos bipartidos muito pequenos produzem estimativas de centralidade altamente instáveis. Se sua rede for menor, resumos descritivos de grau e contagens de coparticipação são mais informativos do que métricas estruturais globais.
Métodos relacionados
Fontes
Borgatti, S.P. & Everett, M.G. (1997). Network Analysis of 2-Mode Data. Social Networks, 19(3), 243-269.
Abrir referência da publicaçãoCopiado.Guillaume, J.L. & Latapy, M. (2006). Bipartite Structure of All Complex Networks. Information Processing Letters, 90(5), 215-221.
Abrir referência da publicaçãoCopiado.