การวิเคราะห์ความเป็นศูนย์กลาง — ดีกรี, ความเป็นศูนย์กลางระหว่างจุด, ความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะ
- ผู้เสนอ
- Linton C. Freeman
- ปี
- 1979
- ประเภท
- Descriptive / exploratory network measure family
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การวิเคราะห์ความเป็นศูนย์กลางเป็นชุดของมาตรวัดการวิเคราะห์เครือข่าย ซึ่งกำหนดปริมาณความสำคัญเชิงโครงสร้างของโหนดแต่ละโหนดภายในกราฟ โดย Freeman (1979) ดัชนีความเป็นศูนย์กลางแต่ละตัวจะจับกลไกอิทธิพลที่แตกต่างกัน: ความเป็นศูนย์กลางแบบดีกรีสะท้อนถึงการเชื่อมต่อโดยตรง, ความเป็นศูนย์กลางระหว่างจุดระบุโหนดที่ทำหน้าที่เป็นตัวกลางในการไหลของข้อมูล, ความเป็นศูนย์กลางแบบความใกล้ชิดจับความใกล้เคียงกับโหนดอื่นๆ ทั้งหมด, และความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะ (พร้อมกับ PageRank) ให้รางวัลแก่การเชื่อมต่อกับเพื่อนบ้านที่มีการเชื่อมต่อสูง
แนวคิดเบื้องหลังวิธีการ
ไม่ใช่ทุกโหนดในเครือข่ายจะมีความสำคัญเท่ากัน เมืองที่ถนนหลายสายผ่านมีความสำคัญต่อการจราจรมากกว่าเมืองที่อยู่ปลายถนนตัน แม้ว่าทั้งสองเมืองจะมีจำนวนลิงก์ถนนโดยตรงเท่ากันก็ตาม มาตรวัดความเป็นศูนย์กลางแปลงสัญชาตญาณนี้ให้เป็นตัวเลข ความเป็นศูนย์กลางแบบดีกรีเพียงแค่นับจำนวนเพื่อนบ้านที่โหนดมี ความเป็นศูนย์กลางระหว่างจุดนับจำนวนครั้งที่โหนดอยู่บนเส้นทางที่สั้นที่สุดระหว่างทุกคู่ แสดงถึงผู้ควบคุม ความเป็นศูนย์กลางแบบความใกล้ชิดวัดว่าโหนดสามารถเข้าถึงทุกคนได้อย่างรวดเร็วเพียงใด ความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะจะให้น้ำหนักการมีส่วนร่วมของเพื่อนบ้านแต่ละรายตามความสำคัญของเพื่อนบ้านนั้น ดังนั้นการเชื่อมต่อกับโหนดที่มีอิทธิพลจึงมีความสำคัญมากกว่าจำนวนที่แท้จริง แต่ละมาตรวัดจะตอบคำถามที่แตกต่างกันเกี่ยวกับใครหรืออะไรที่สำคัญที่สุดในเครือข่าย
ประวัติศาสตร์
Freeman (1979) ได้ให้การชี้แจงแนวคิดพื้นฐานของสาขาวิชา โดยรวมแนวคิดสามอย่างที่เคยกระจัดกระจาย — ดีกรี, ความเป็นศูนย์กลางระหว่างจุด, และความใกล้ชิด — ภายใต้กรอบทฤษฎีเดียวสำหรับความเป็นศูนย์กลางเครือข่ายสังคม Borgatti (2005) ได้ขยายกรอบโดยเชื่อมโยงความเป็นศูนย์กลางแต่ละประเภทกับแบบจำลองการไหลของเครือข่ายที่เฉพาะเจาะจง ทำให้มาตรวัดมีความชัดเจนทางทฤษฎีมากขึ้น ความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะมีรากฐานมาจากการวิเคราะห์สเปกตรัมของเมทริกซ์ และต่อมาได้ถูกนำมาใช้สำหรับเครือข่าย; PageRank ของ Google (1998) เป็นลูกหลานที่รู้จักกันดีที่สุดของการประยุกต์ใช้
ควรใช้เมื่อใด
การวิเคราะห์ความเป็นศูนย์กลางจะนำไปใช้เมื่อใดก็ตามที่ข้อมูลความสัมพันธ์สามารถแสดงเป็นกราฟและคำถามเกี่ยวกับโหนดใดที่มีความสำคัญเชิงโครงสร้างมากที่สุด มีการใช้ในการวิเคราะห์เครือข่ายสังคม, บิลิโอเมตริกซ์, ชีววิทยา, การขนส่ง และการวิจัยระบบสารสนเทศ ไม่จำเป็นต้องมีข้อสมมติฐานเรื่องความเป็นปกติ และวิธีการนี้เหมาะสำหรับข้อมูลเครือข่ายภาคตัดขวางและข้อมูลเครือข่ายตามช่วงเวลา เครือข่ายควรเชื่อมต่อกัน หรือส่วนประกอบควรได้รับการวิเคราะห์แยกกัน เพื่อให้มาตรวัดที่อิงตามเส้นทาง เช่น ความเป็นศูนย์กลางระหว่างจุดและความใกล้ชิดมีความชัดเจน จำเป็นต้องมีโหนดอย่างน้อย 10 โหนดเพื่อให้คะแนนสามารถตีความได้ และอย่างน้อย 20 โหนดเพื่อให้การจัดอันดับความเป็นศูนย์กลางมีความหมายทางสถิติ เครือข่ายที่มีน้ำหนักต้องการคำจำกัดความของน้ำหนักที่มีพื้นฐานเชิงทฤษฎีก่อนที่จะคำนวณความเป็นศูนย์กลาง
ข้อจำกัดและข้อควรพิจารณา
- ความเป็นศูนย์กลางระหว่างจุดมีความซับซ้อนในการคำนวณ O(VE) ทำให้มีค่าใช้จ่ายสูงในเครือข่ายขนาดใหญ่มาก
- มาตรวัดที่อิงตามเส้นทาง (ความเป็นศูนย์กลางระหว่างจุด, ความใกล้ชิด) ไม่ได้ถูกกำหนดไว้หรือต้องการการจัดการพิเศษในกราฟที่ไม่เชื่อมต่อกัน
- คะแนนความเป็นศูนย์กลางมีความอ่อนไหวต่อการเลือกคำจำกัดความของน้ำหนักเส้นเชื่อมในเครือข่ายที่มีน้ำหนัก; น้ำหนักที่เลือกไม่ดีจะบิดเบือนดัชนีทุกตัว
- ด้วยโหนดน้อยกว่า 20 โหนด มาตรวัดจะขาดพลังทางสถิติและควรได้รับการปฏิบัติว่าเป็นคำอธิบายเชิงสำรวจมากกว่าผลลัพธ์เชิงอนุมาน
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ดัชนีแต่ละตัวจับกลไกความสำคัญเชิงโครงสร้างที่แตกต่างกัน ทำให้เกิดภาพหลายมิติของเครือข่าย
- ไม่จำเป็นต้องมีข้อสมมติฐานเกี่ยวกับการกระจาย; วิธีการนี้ใช้ได้กับกราฟใดๆ โดยไม่คำนึงถึงประเภทของตัวแปร
- ความเป็นศูนย์กลางแบบดีกรีและความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะสามารถปรับขนาดได้อย่างมีประสิทธิภาพสำหรับกราฟขนาดใหญ่มาก; ความเป็นศูนย์กลางแบบดีกรีถูกคำนวณใน O(V+E)
- ได้รับการสนับสนุนอย่างกว้างขวางในหลากหลายสาขาวิชา — ตั้งแต่สังคมวิทยาและชีววิทยาไปจนถึงวิทยาการคอมพิวเตอร์ — ทำให้ผลลัพธ์สามารถสื่อสารได้อย่างกว้างขวาง
การประยุกต์ใช้
- การระบุผู้นำทางความคิดหลักและผู้ควบคุมข้อมูลในเครือข่ายสังคมและองค์กร
- การทำแผนที่อิทธิพลทางวิทยาศาสตร์โดยการคำนวณความเป็นศูนย์กลางบนเครือข่ายการเป็นผู้ร่วมประพันธ์หรือการอ้างอิง
- การระบุโหนดโครงสร้างพื้นฐานที่สำคัญในเครือข่ายการขนส่ง, เครือข่ายไฟฟ้า และโครงสร้างอินเทอร์เน็ต
- การจัดลำดับความสำคัญของเป้าหมายการฉีดวัคซีนหรือการเฝ้าระวังในเครือข่ายระบาดวิทยาโดยการระบุผู้แพร่กระจายที่มีความเป็นศูนย์กลางระหว่างจุดสูง
- การตรวจจับผู้ควบคุมในเครือข่ายห่วงโซ่อุปทานและเครือข่ายทางการเงินเพื่อประเมินความเสี่ยงของระบบ
วิธีการทำงาน
วิธีการทำงาน
กราฟจะถูกประกอบขึ้นจากข้อมูลความสัมพันธ์: โหนดแสดงถึงเอนทิตี (ผู้คน, สถาบัน, หน้าเว็บ) และเส้นเชื่อมแสดงถึงความสัมพันธ์หรือปฏิสัมพันธ์ระหว่างกัน นักวิเคราะห์จะตัดสินใจว่าเส้นเชื่อมมีทิศทางหรือไม่ และมีน้ำหนักหรือไม่ ในเครือข่ายที่มีทิศทาง ดีกรีขาเข้าและดีกรีขาออกจะถูกคำนวณแยกกันและตีความแตกต่างกัน ความถูกต้องของคะแนนความเป็นศูนย์กลางขึ้นอยู่กับว่าโครงสร้างกราฟเป็นการแสดงความสัมพันธ์ในโลกแห่งความเป็นจริงที่กำลังศึกษาอย่างซื่อสัตย์หรือไม่
นักวิเคราะห์จะเลือกดัชนีความเป็นศูนย์กลาง — หรือการผสมผสานของดัชนี — ที่ตรงกับคำถามเชิงเนื้อหา ความเป็นศูนย์กลางแบบดีกรีเหมาะสมเมื่อความสามารถในการเชื่อมต่อดิบเป็นที่สนใจ ความเป็นศูนย์กลางระหว่างจุดจะถูกเลือกเมื่อมุ่งเน้นไปที่การเป็นตัวกลางและการควบคุมข้อมูล โดยมีค่าใช้จ่ายในการคำนวณที่สูงขึ้น (O(VE)) บนกราฟขนาดใหญ่ ความเป็นศูนย์กลางแบบความใกล้ชิดมีความหมายเมื่อเครือข่ายเชื่อมต่อกันหรือเมื่อส่วนประกอบต่างๆ ถูกวิเคราะห์แยกกัน ความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะหรือ PageRank จะถูกเลือกเมื่อความมีเกียรติและอิทธิพลแบบเวียนซ้ำมีความสำคัญ สำหรับเครือข่ายที่มีน้ำหนัก คำจำกัดความของน้ำหนักจะต้องมีความหมายเชิงทฤษฎีก่อนที่จะคำนวณดัชนีใดๆ
ดัชนีที่เลือกแต่ละตัวจะถูกคำนวณบนกราฟ ความเป็นศูนย์กลางแบบดีกรีจะถูกทำให้เป็นมาตรฐานโดยการหารดีกรีดิบด้วย (n-1) ความเป็นศูนย์กลางระหว่างจุดจะนับเส้นทางที่สั้นที่สุดผ่านแต่ละโหนดและจะถูกทำให้เป็นมาตรฐานโดยจำนวนคู่โหนดทั้งหมด ความเป็นศูนย์กลางแบบความใกล้ชิดคือส่วนกลับของระยะทางเส้นทางที่สั้นที่สุดโดยเฉลี่ยจากโหนดหนึ่งไปยังโหนดที่เข้าถึงได้ทั้งหมด ความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะจะถูกแก้ไขเป็นเวกเตอร์ลักษณะเฉพาะหลักของเมทริกซ์การประชิดและต้องการการวนซ้ำเพื่อการลู่เข้า โหนดจะถูกจัดอันดับตามคะแนนแต่ละรายการ และการกระจายของคะแนนจะถูกตรวจสอบเพื่อหาความเข้มข้น
คะแนนความเป็นศูนย์กลางและอันดับที่ได้จะถูกตีความในบริบทเชิงเนื้อหาของการศึกษา โหนดที่มีดีกรีสูงเป็นศูนย์กลางที่มีการเชื่อมต่อดี; โหนดที่มีความเป็นศูนย์กลางระหว่างจุดสูงเป็นสะพานเชิงโครงสร้างหรือตัวกลาง; โหนดที่มีความเป็นศูนย์กลางแบบความใกล้ชิดสูงสามารถกระจายข้อมูลได้อย่างรวดเร็ว; โหนดที่มีความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะสูงจะฝังตัวอยู่ในละแวกใกล้เคียงที่มีอิทธิพล การเปรียบเทียบดัชนีหลายรายการจะเปิดเผยโหนดที่ติดอันดับสูงในมิติหนึ่งแต่ไม่ใช่อีกมิติหนึ่ง ซึ่งมักจะเป็นการค้นพบที่น่าสนใจที่สุดในเชิงทฤษฎี เครือข่ายที่มีโหนดน้อยกว่า 20 โหนดจะให้คะแนนความเป็นศูนย์กลางที่บางทางสถิติและควรได้รับการปฏิบัติว่าเป็นเพียงคำอธิบายเท่านั้น
ข้อผิดพลาดที่พบบ่อย
- การใช้ความเป็นศูนย์กลางระหว่างจุดหรือความใกล้ชิดกับกราฟที่ไม่เชื่อมต่อกันโดยไม่ได้แบ่งออกเป็นส่วนประกอบก่อน จะให้คะแนนที่ไม่ชัดเจนหรือทำให้เข้าใจผิดสำหรับโหนดที่แยกจากกัน
- การปฏิบัติต่อดัชนีความเป็นศูนย์กลางทั้งห้าเป็นสิ่งที่สามารถใช้แทนกันได้ — แต่ละตัวตอบคำถามที่แตกต่างกัน และการเลือกดัชนีที่ไม่ถูกต้องสำหรับสมมติฐานเชิงเนื้อหาเป็นข้อผิดพลาดทั่วไป
- การละเลยทิศทางของเส้นเชื่อมในเครือข่ายที่มีทิศทางจะทำให้ดีกรีขาเข้าและดีกรีขาออกรวมเป็นตัวเลขเดียว สูญเสียข้อมูลเกี่ยวกับความไม่สมมาตรของความสัมพันธ์
- การตีความคะแนนความเป็นศูนย์กลางในเครือข่ายที่มีโหนดน้อยกว่า 20 โหนดราวกับว่ามีความแข็งแกร่งทางสถิติ — ต่ำกว่าเกณฑ์นี้ คะแนนจะเป็นเพียงคำอธิบายเท่านั้นและไม่ควรใช้เพื่อสรุปผลเชิงอนุมาน
คำถามที่พบบ่อย
ควรใช้มาตรวัดความเป็นศูนย์กลางใด
การเลือกขึ้นอยู่กับคำถามเชิงเนื้อหาของคุณ ใช้ความเป็นศูนย์กลางแบบดีกรีเพื่อระบุโหนดที่มีการเชื่อมต่อโดยตรงมากที่สุด ใช้ความเป็นศูนย์กลางระหว่างจุดเพื่อค้นหาผู้ควบคุมที่ควบคุมการไหลของข้อมูลระหว่างส่วนต่างๆ ของเครือข่าย ใช้ความเป็นศูนย์กลางแบบความใกล้ชิดเพื่อระบุโหนดที่สามารถเข้าถึงโหนดอื่นทั้งหมดได้อย่างรวดเร็ว ใช้ความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะหรือ PageRank เมื่อความมีเกียรติของเพื่อนบ้านของโหนดมีความสำคัญพอๆ กับจำนวนของพวกเขา การรายงานดัชนีสองหรือสามตัวที่เสริมกันและการเปรียบเทียบอันดับมักจะมีข้อมูลมากกว่าการพึ่งพามาตรวัดเดียว
การวิเคราะห์ความเป็นศูนย์กลางสามารถนำไปใช้กับเครือข่ายที่มีทิศทางได้หรือไม่
ได้ ในเครือข่ายที่มีทิศทาง ดีกรีขาเข้าและดีกรีขาออกจะถูกคำนวณและตีความแยกกัน: ดีกรีขาเข้าสะท้อนถึงจำนวนครั้งที่โหนดถูกเลือกหรืออ้างอิงโดยผู้อื่น ในขณะที่ดีกรีขาออกสะท้อนถึงจำนวนผู้อื่นที่โหนดเข้าถึงหรืออ้างอิง ความเป็นศูนย์กลางระหว่างจุดและความใกล้ชิดก็มีรูปแบบที่มีทิศทางเช่นกัน ความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะบนกราฟที่มีทิศทางมักจะใช้เวกเตอร์ลักษณะเฉพาะซ้ายหรือขวาที่โดดเด่น ขึ้นอยู่กับว่าความมีเกียรติไหลไปสู่หรือมาจากโหนด
ขนาดเครือข่ายขั้นต่ำที่จำเป็นสำหรับผลลัพธ์ที่มีความหมายคือเท่าใด
ทะเบียนสถิติระบุขั้นต่ำ 10 โหนดสำหรับการคำนวณความเป็นศูนย์กลางใดๆ และการตีความทางสถิติที่มีความหมายต้องการอย่างน้อย 20 โหนด ต่ำกว่า 20 โหนด อันดับของโหนดจำนวนเล็กน้อยไม่สามารถสรุปผลได้ และสถิติเครือข่ายเชิงพรรณนาเป็นทางเลือกที่ซื่อสัตย์กว่า
ฉันจะจัดการกับกราฟที่ไม่เชื่อมต่อกันได้อย่างไร
มาตรวัดที่อิงตามเส้นทาง — ความเป็นศูนย์กลางระหว่างจุดและความใกล้ชิด — ไม่ได้ถูกกำหนดไว้ระหว่างโหนดในส่วนประกอบที่แตกต่างกัน วิธีมาตรฐานคือการวิเคราะห์แต่ละส่วนประกอบที่เชื่อมต่อกันแยกกัน หรือจำกัดความใกล้ชิดไว้ที่โหนดที่เข้าถึงได้และปรับให้เป็นมาตรฐานตามนั้น ความเป็นศูนย์กลางแบบดีกรีและความเป็นศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะไม่ต้องการการเชื่อมต่อและสามารถคำนวณบนกราฟทั้งหมดได้
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Freeman, L.C. (1979). Centrality in Social Networks: Conceptual Clarification. Social Networks, 1(3), 215-239.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วBorgatti, S.P. (2005). Centrality and Network Flow. Social Networks, 27(1), 55-71.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้ว