Взвешенная степень центральности
- Автор метода
- Barrat, A.; Barthélemy, M.; Pastor-Satorras, R.; Vespignani, A.
- Год
- 2004
- Тип
- Centrality measure for weighted networks
- Семейство
- Network science
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Взвешенная степень центральности, также называемая силой узла, расширяет классическую меру степени центральности на сети, рёбра которых имеют числовые веса.
Вместо простого подсчёта связей узла, она суммирует веса всех рёбер, инцидентных этому узлу, отражая как объём, так и интенсивность связей узла в едином, интерпретируемом показателе.
Интуиция метода
В невзвешенной сети степень узла показывает, сколько у него соседей, но исследователь, рассылающий электронные письма 10 коллегам еженедельно, не эквивалентен тому, кто отправляет письма каждому коллеге раз в год. Взвешенная степень центральности улавливает это различие: она суммирует фактическую силу каждой связи. Высокий балл сигнализирует об узле, который не просто хорошо связан, но и поддерживает прочные или частые отношения, что делает его естественной мерой влияния или несущей важности во взвешенных социальных, биологических или инфраструктурных сетях.
История
Концепция силы узла как взвешенного обобщения степени была формально введена Барратом, Бартелеми, Пастором-Саторрасом и Веспиньяни в их статье 2004 года в PNAS, анализирующей архитектуру сложных взвешенных сетей, включая глобальную сеть воздушного транспорта. Их концепция стала основополагающей для науки о взвешенных сетях и теперь является стандартным материалом в учебниках по сетевому анализу, таких как «Networks: An Introduction» Ньюмана (2010). С тех пор эта мера применяется в нейронауках, экономике, экологии и вычислительных социальных науках.
Когда применять
Используйте взвешенную степень центральности, когда ваша сеть имеет значимые числовые веса рёбер — частоту сотрудничества, объём коммуникаций, торговую стоимость, физический поток — и вы хотите идентифицировать наиболее активные или влиятельные узлы без сложности мер, основанных на путях. Это подходящая первая мера центральности, когда бинарная степень отбросила бы важные вариации в силе связей. Не используйте её, когда веса рёбер являются номинальными или порядковыми категориями (сначала преобразуйте их в значимые порядковые оценки), когда структура сети, а не пропускная способность, имеет наибольшее значение (предпочтительнее центральность посредничества или собственная центральность), или когда сеть невзвешенная (используйте вместо этого стандартную степень центральности).
Ограничения и замечания
- Чувствительна к масштабу и распределению весов рёбер; смещённые веса могут значительно завышать оценки нескольких узлов.
- Не учитывает положение узла в глобальной структуре сети — периферийный, но сильно взвешенный узел может превосходить по показателям топологически центральный.
- Игнорирует направление рёбер в ориентированных сетях, если входящая и исходящая силы не вычисляются отдельно.
- Не предоставляет информации о кластеризации, посредничестве или охвате косвенных связей.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Вычислительно дёшево — O(m), где m — количество рёбер — и тривиально распараллеливается для больших сетей.
- Интуитивная интерпретация: она напрямую отражает общий объём или интенсивность связей узла.
- Различает узлы с одинаковой степенью, но разной силой связей, чего не может сделать бинарная степень центральности.
- Широко реализована в NetworkX, igraph, Gephi и пакете igraph для R.
- Естественным образом сочетается с невзвешенной степенью для определения того, несут ли узлы с высокой степенью также большой трафик.
Применение
- Выявление наиболее активных или влиятельных акторов во взвешенных социальных сетях и сетях сотрудничества.
- Обнаружение основных хабов в транспортных и торговых сетях по общему потоку или объёму.
- Ранжирование областей мозга по силе синаптической или функциональной связности в коннектомных исследованиях.
- Количественная оценка продуктивного соавторства или влияния цитирования в библиометрических сетях.
- Выявление ключевых видов в экологических пищевых сетях, взвешенных по частоте взаимодействия или потоку биомассы.
- Оценка важности узлов перед применением более дорогостоящих мер центральности, основанных на путях.
Как это работает
Как это работает
Представьте сеть как взвешенный граф G = (V, E, W), где узлы V — это акторы или сущности, рёбра E — это связи, а матрица весов W присваивает положительное действительное значение w_ij каждому ребру, кодируя частоту, интенсивность, стоимость или другую релевантную для предметной области величину. Отрицательные веса требуют тщательной предварительной обработки или альтернативной формулировки.
Для каждого узла i суммируйте веса всех рёбер, соединяющих его с его соседями: s_i = сумма w_ij по всем j в окрестности i. Эта величина упоминается как сила узла в литературе Barrat et al. (2004) и напрямую обобщает бинарную степень на взвешенный случай.
Формула
s_i = \sum_{j \in \mathcal{N}(i)} w_{ij}Разделите силу каждого узла на общий вес в сети (или на максимальную силу узла), чтобы получить нормализованный балл от 0 до 1. Нормализация позволяет справедливо сравнивать сети разных размеров или с разными общими весовыми бюджетами и является стандартной практикой перед ранжированием или регрессионным анализом.
Формула
s_i^{\text{norm}} = \frac{s_i}{\sum_k s_k}Отсортируйте узлы по их нормализованным показателям силы и определите узлы с высокой центральностью. В социальных сетях это наиболее активные или влиятельные акторы; в торговых сетях — крупнейшие хабы; в сетях соавторства — наиболее продуктивные соавторы. Сравните с невзвешенной степенью, чтобы выявить узлы, чьё влияние усиливается или ослабляется силой связей.
Частые ошибки
- Рассмотрение необработанных весов как сопоставимых между наборами данных без стандартизации или логарифмического преобразования, когда веса сильно смещены.
- Забывание вычислять входящую и исходящую силы отдельно в ориентированных сетях и объединение их в единый показатель без обоснования.
- Сообщение взвешенной степени центральности без сравнения её с бинарной степенью центральности, тем самым упуская, обусловлена ли высокая сила множеством слабых связей или несколькими сильными.
- Использование меры на петлях без решения о включении или исключении диагональных весов.
- Игнорирование отсутствующих или сильно занулённых весов, которые могут систематически недооценивать силу плохо наблюдаемых узлов.
Часто задаваемые вопросы
Чем взвешенная степень центральности отличается от стандартной степени центральности?
Стандартная степень центральности подсчитывает количество рёбер, инцидентных узлу, рассматривая все связи одинаково. Взвешенная степень центральности суммирует веса рёбер, поэтому узел, связанный с одной очень сильной связью, может превосходить по показателям узел со множеством слабых связей. Эти две меры вместе показывают, обусловлено ли влияние узла широтой или интенсивностью связей.
Следует ли логарифмически преобразовывать веса рёбер перед вычислением силы узла?
Когда веса охватывают несколько порядков величины — например, объёмы торговли от тысяч до миллиардов — логарифмическое преобразование предотвращает доминирование нескольких экстремальных связей в оценках. Всегда проверяйте распределение весов и применяйте преобразование, если оно сильно смещено вправо.
Как обрабатывать ориентированные сети?
Вычисляйте входящую силу (сумму весов входящих рёбер) и исходящую силу (сумму весов исходящих рёбер) отдельно. Входящая сила часто отражает популярность или авторитет, в то время как исходящая сила отражает активность или усилие. Объединение их в единый показатель приводит к потере информации о направлении.
Какой программный инструмент является разумным выбором для вычисления взвешенной степени центральности?
NetworkX в Python (метод strength через degree с параметром weight), igraph в R или Python (функция strength) и Gephi (встроенный столбец weighted degree) вычисляют силу узла одним вызовом функции. Для очень больших разреженных сетей более эффективны реализации на основе graph-tool или GraphBLAS.
Когда следует предпочесть центральность посредничества взвешенной степени центральности?
Используйте центральность посредничества, когда вас интересует, какие узлы контролируют поток информации или ресурсов по кратчайшим путям — посредники и мосты в сети. Используйте взвешенную степень центральности, когда вас интересует необработанная активность или пропускная способность каждого узла. Они дополняют друг друга и часто информативны при совместном представлении.
Похожие методы
Источники
Barrat, A., Barthélemy, M., Pastor-Satorras, R., & Vespignani, A. (2004). The architecture of complex weighted networks. Proceedings of the National Academy of Sciences, 101(11), 3747–3752.
Открыть ссылку DOIСкопировано.Newman, M. E. J. (2010). Networks: An Introduction. Oxford University Press.
ISBN: 978-0-19-920665-0Скопировано.