Взвешенная центральность по близости
- Автор метода
- Opsahl, T.; Agneessens, F.; Skvoretz, J.
- Год
- 2010
- Тип
- Centrality measure (network analysis)
- Семейство
- Network science
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Взвешенная центральность по близости расширяет классическую меру близости для сетей, где ребра несут числовые веса — такие как частота, сила или стоимость — путем включения этих весов в расстояния кратчайших путей.
Узлы, которые могут быстро достичь других по сильным или эффективным связям, получают более высокие оценки, что делает этот показатель более информативным о потенциале распространения информации, чем его бинарный аналог.
Интуиция метода
В невзвешенной сети центральность по близости определяет, сколько шагов требуется узлу, чтобы достичь всех остальных. В взвешенной сети эта логика игнорирует, являются ли связи сильными или слабыми. Взвешенная близость рассматривает каждый вес ребра как пропускную способность или обратное расстояние: более сильные связи считаются более короткими переходами. Узел с высоким показателем не просто хорошо связан в топологическом смысле — он действительно близок к другим через пути с высокой пропускной способностью или низкой стоимостью. Opsahl и др. (2010) ввели параметр настройки альфа, который позволяет аналитику подчеркнуть либо длину пути, либо вес ребра, связывая невзвешенную и чисто весовую близость.
История
Классическая центральность по близости была формализована Sabidussi (1966), а затем популяризирована Freeman (1978). Расширение для взвешенных сетей было систематически разработано Opsahl, Agneessens и Skvoretz в статье 2010 года в журнале Social Networks, которая обобщила как меры по степени, так и меры по кратчайшим путям с использованием параметра настройки альфа. Их фреймворк стал стандартным справочным материалом для взвешенной центральности в анализе социальных сетей и был реализован в широко используемых пакетах, включая igraph и NetworkX.
Когда применять
Используйте взвешенную центральность по близости, когда веса ребер (частота сотрудничества, объем коммуникаций, денежный поток, транспортная мощность) имеют теоретическое значение и должны влиять на то, какие узлы считаются центральными. Она подходит для социальных сетей, торговых сетей, транспортных систем, графов соавторства и любых ситуаций, где эффективность охвата зависит от силы связи. Предпочитайте ее невзвешенной близости всякий раз, когда игнорирование весов исказило бы рейтинг центральности. Не используйте ее, когда веса ненадежны, произвольно масштабированы или отсутствуют; в несвязных графах без тщательной обработки недостижимых пар; или когда исследовательский вопрос касается чистой структурной топологии, а не эффективности потока.
Ограничения и замечания
- Требует полных, надежных данных о весах; отсутствующие или зашумленные веса ребер напрямую влияют на показатели центральности.
- Несвязные сети требуют особого подхода (например, исключение недостижимых пар или использование гармонической близости).
- Выбор параметра альфа требует теоретического обоснования — произвольные значения по умолчанию могут исказить рейтинги.
- Вычислительно более затратна, чем центральность по степени, для больших разреженных сетей.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Включает веса ребер, так что сильные или эффективные связи должным образом повышают показатель центральности узла.
- Параметр настройки альфа обеспечивает непрерывный мост между бинарной и полностью весовой близостью.
- Сохраняет интуитивное понимание близости: насколько быстро узел может достичь других или быть достигнутым ими.
- Напрямую сопоставима с невзвешенной близостью, что позволяет проводить контролируемые анализы чувствительности.
- Хорошо подходит для направленных взвешенных сетей в сочетании с разложением на входящую и исходящую близость.
Применение
- Идентификация ключевых брокеров в сетях научного сотрудничества на основе частоты соавторства.
- Ранжирование аэропортов или логистических узлов по эффективности охвата в взвешенных транспортных или торговых сетях.
- Обнаружение влиятельных распространителей в взвешенных сетях коммуникаций или социальных медиа.
- Оценка потенциала распространения информации в взвешенных организационных сетях или сетях обмена знаниями.
- Сравнение рейтингов центральности при различных значениях альфа для оценки надежности результатов.
- Дополнение взвешенной центральности по посредничеству для различения эффективной достижимости и контроля потока.
Как это работает
Как это работает
Веса ребер преобразуются в расстояния: для сетей сотрудничества или частоты вес w инвертируется (расстояние = 1/w), так что более сильные связи дают более короткие расстояния. Для сетей стоимости или задержки вес уже является расстоянием. Затем алгоритм Дейкстры находит минимальное взвешенное расстояние d^w(i,j) между каждой парой узлов.
Формула
d^w(i,j) = \min_{\text{paths}} \sum_{e \in \text{path}} w_e^{-1}Для каждого узла i суммируются взвешенные расстояния до всех остальных n-1 достижимых узлов. Узлы, которые слабо связаны — или не связаны — с большими частями сети, накапливают большие суммы, что снижает их показатель центральности.
Взвешенная близость узла i равна (n-1), деленному на сумму взвешенных расстояний до всех других узлов, что соответствует той же алгебраической форме, что и классическая близость, но с d^w вместо количества переходов. Это нормализует показатель в интервале (0, 1], так что сети разного размера остаются сопоставимыми.
Формула
C^w(i) = \frac{n-1}{\sum_{j \neq i} d^w(i,j)}Opsahl и др. ввели параметр альфа (от 0 до 1), который смешивает чисто топологическое расстояние (альфа = 0, эквивалентно невзвешенной близости) с чисто весовой информацией (альфа = 1). Промежуточные значения позволяют исследователю контролировать, насколько важна сила связи по отношению к структуре пути, делая меру адаптируемой к различным эмпирическим условиям.
Формула
C^{w,\alpha}(i) = \frac{n-1}{\sum_{j \neq i} d^{w,\alpha}(i,j)}Частые ошибки
- Использование необработанных подсчетов в качестве весов без проверки соответствующего преобразования веса в расстояние (например, инвертирование весов частоты).
- Применение меры к несвязанному графу без корректировки недостижимых пар, что завышает сумму расстояний для изолированных узлов.
- Рассмотрение рейтингов центральности как стабильных без проверки чувствительности к параметру альфа.
- Смешение взвешенной близости с центральностью по посредничеству — близость отражает эффективность охвата, а не контроль потока.
- Игнорирование нормализации при сравнении узлов в сетях разного размера.
Часто задаваемые вопросы
Как выбрать параметр альфа?
Альфа = 0 восстанавливает невзвешенную близость (только топология); альфа = 1 делает веса доминирующими. Общий подход — вычислить рейтинги при альфа = 0, 0,5 и 1 и сообщить о чувствительности. Если теория предполагает, что сила связи является основным механизмом, альфа = 1 является обоснованным; если топология важнее, используйте альфа = 0 или 0,5.
Какое преобразование веса в расстояние следует использовать?
Для весов частоты, силы или мощности (чем выше, тем сильнее) инвертируйте вес: расстояние = 1/w. Для весов стоимости, задержки или сопротивления (чем выше, тем слабее) используйте вес непосредственно как расстояние. Небрежное смешивание этих соглашений приведет к инвертированию рейтингов центральности.
Как обрабатывать несвязные компоненты?
Стандартный подход — ограничить сумму достижимыми узлами и нормализовать на (n_достижимых - 1) вместо (n - 1), или использовать гармоническую центральность по близости, которая естественным образом обрабатывает недостижимые пары, суммируя обратные величины расстояний.
Лучше ли взвешенная близость, чем невзвешенная?
Когда веса имеют существенное значение (например, частота контактов, объем торговли), взвешенная близость дает более точную картину эффективности охвата. Когда веса ненадежны или веса и топология почти не коррелируют, дополнительная сложность может не улучшить выводы.
Чем это отличается от взвешенной центральности по посредничеству?
Взвешенная близость измеряет, насколько эффективно узел может достичь других по сильным путям. Взвешенная центральность по посредничеству измеряет, как часто узел лежит на кратчайших путях между другими парами. Узел может быть близким (высокая близость), не будучи критическим мостом (высокое посредничество), и наоборот.
Похожие методы
Источники
Opsahl, T., Agneessens, F. & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251.
Открыть ссылку DOIСкопировано.Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 25(2), 163–177.
Открыть ссылку DOIСкопировано.