ค่ากลางดีกรี (Degree Centrality)
- ผู้เสนอ
- Freeman, L. C.
- ปี
- 1978
- ประเภท
- Node-level centrality measure
- กลุ่มวิธี
- Network science
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
ค่ากลางดีกรีเป็นมาตรวัดที่ง่ายและตรงไปตรงมาที่สุดในการบ่งชี้ความสำคัญของโหนดในเครือข่าย โดยนิยามจากจำนวนการเชื่อมโยงโดยตรงที่โหนดนั้นมีกับโหนดอื่น การทำให้เป็นมาตรฐานโดยการหารด้วยจำนวนการเชื่อมโยงสูงสุดที่เป็นไปได้ ทำให้สามารถเปรียบเทียบเครือข่ายที่มีขนาดต่างกันได้ และเป็นจุดเริ่มต้นของการวิเคราะห์เครือข่ายเกือบทุกประเภท
แนวคิดเบื้องหลังวิธีการ
ลองนึกภาพห้องประชุมที่ทุกคนที่รู้จักคนจำนวนมากถือเป็นผู้ที่มีปฏิสัมพันธ์ทางสังคมมากที่สุด ค่ากลางดีกรีจับภาพสิ่งนั้นได้อย่างแม่นยำ: จำนวนการเชื่อมต่อดิบของโหนด โหนดที่มีดีกรีสูงจะอยู่ตรงกลางของกิจกรรมทันที — มันสามารถเข้าถึงเพื่อนบ้านได้หลายรายในขั้นตอนเดียว เนื่องจากคำนวณได้ง่ายและอธิบายได้ง่าย ค่ากลางดีกรีจึงมักเป็นเมตริกแรกที่คำนวณในการศึกษาเครือข่าย ทำหน้าที่เป็นเกณฑ์มาตรฐานที่ใช้วัดเปรียบเทียบกับมาตรวัดที่ซับซ้อนกว่า
ประวัติศาสตร์
ค่ากลางดีกรีได้รับการนิยามและจัดระบบอย่างเป็นทางการโดย Linton C. Freeman ในบทความสำคัญของเขาในปี 1978 ในวารสาร Social Networks ซึ่งยังได้นำเสนอค่ากลางแบบระหว่างกลางและค่ากลางแบบประชิดภายใต้กรอบแนวคิดที่เป็นหนึ่งเดียว มาตรวัดนี้เองสืบย้อนไปถึงงานสังคมมาตรวิทยา (sociometric work) ในช่วงทศวรรษ 1940–1950 บทความของ Freeman ยังคงเป็นการอ้างอิงตามแบบแผน (canonical citation) และได้ก่อตั้งการวิเคราะห์เครือข่ายทางสังคม (social network analysis) ให้เป็นสาขาวิชาเชิงปริมาณที่เข้มงวด
ควรใช้เมื่อใด
ใช้ค่ากลางดีกรีเมื่อคุณต้องการสรุปที่รวดเร็วและตีความได้ว่าโหนดใดมีการเชื่อมต่อโดยตรงมากที่สุด — เพื่อระบุฮับ นักแสดงหลัก หรือโหนดที่มีกิจกรรมสูงในเครือข่ายแบบไบนารีหรือแบบถ่วงน้ำหนักใด ๆ เหมาะสำหรับทั้งเครือข่ายขนาดเล็กและขนาดใหญ่ และต้องการเพียงรายการเส้นเชื่อม (edge list) เท่านั้น อย่าพึ่งพาค่ากลางดีกรีเพียงอย่างเดียวเมื่อคำถามวิจัยเกี่ยวข้องกับอิทธิพลทางอ้อม ประสิทธิภาพการไหลของข้อมูล หรือบทบาทของผู้ควบคุม (gatekeeping roles) สำหรับวัตถุประสงค์เหล่านั้น ค่ากลางแบบ Eigenvector (eigenvector centrality) ค่ากลางแบบประชิด (closeness centrality) หรือค่ากลางแบบระหว่างกลาง (betweenness centrality) จะเหมาะสมกว่า นอกจากนี้ยังให้ข้อมูลไม่เพียงพอในกราฟที่สมบูรณ์หรือเกือบสมบูรณ์ ซึ่งโหนดเกือบทั้งหมดมีดีกรีเท่ากัน
ข้อจำกัดและข้อควรพิจารณา
- นับเฉพาะเพื่อนบ้านโดยตรง ไม่คำนึงถึงตำแหน่งในโครงสร้างเครือข่ายโดยรวม
- โหนดที่มีดีกรีสูงอาจอยู่รอบนอกอย่างสมบูรณ์หากเพื่อนบ้านทั้งหมดของมันแยกออกจากกัน
- ให้ข้อมูลไม่เพียงพอในกราฟที่หนาแน่นหรือสมบูรณ์ ซึ่งความแปรปรวนของดีกรีใกล้เคียงกับศูนย์
- ไม่สามารถแยกแยะได้ว่าการเชื่อมต่อเป็นการเชื่อมต่อกับโหนดที่มีอิทธิพลหรือโหนดรอบนอก (ใช้ค่ากลางแบบ Eigenvector สำหรับสิ่งนั้น)
- ไวต่อการตัดสินใจเกี่ยวกับขอบเขตเครือข่าย — ใครถูกรวมอยู่ในเครือข่ายส่งผลต่อคะแนน
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- คำนวณได้ง่ายมาก — O(n) ต่อโหนด — และปรับขนาดได้กับเครือข่ายขนาดใหญ่มาก
- ตีความได้ทันที: จำนวนการเชื่อมต่อดิบไม่ต้องการความเชี่ยวชาญในการวิเคราะห์เครือข่ายเพื่ออธิบาย
- ใช้ได้กับกราฟที่มีทิศทาง ไม่มีทิศทาง ไบนารี และถ่วงน้ำหนัก (ในฐานะดีกรีถ่วงน้ำหนัก)
- ทำหน้าที่เป็นเกณฑ์มาตรฐานที่ขาดไม่ได้สำหรับการเปรียบเทียบมาตรวัดค่ากลางที่ซับซ้อนกว่า
- การกระจายดีกรีให้ลายนิ้วมือของโทโพโลยีเครือข่ายโดยรวม (เช่น แบบ scale-free, แบบสุ่ม ฯลฯ)
- แสดงผลด้วยภาพได้ง่าย: ขนาดโหนดที่แปรผันตามดีกรีแสดงโครงสร้างได้อย่างรวดเร็ว
การประยุกต์ใช้
- การระบุฮับและนักแสดงที่มีอิทธิพลในเครือข่ายทางสังคมและองค์กร
- การติดตามการสัมผัสทางระบาดวิทยาเพื่อจัดลำดับความสำคัญของบุคคลที่มีการเชื่อมต่อสูงเพื่อการแทรกแซง
- การวิเคราะห์เครือข่ายเว็บและการอ้างอิงเพื่อจัดอันดับหน้าเว็บหรือบทความที่มีการเชื่อมโยงสูง
- การวิเคราะห์ความยืดหยุ่นของโครงสร้างพื้นฐานเพื่อค้นหาโหนดวิกฤตที่การลบออกจะทำให้เครือข่ายแตกกระจาย
- การวิจัยการตลาดและการแพร่กระจายเพื่อค้นหาโหนดเริ่มต้นสำหรับแคมเปญการแพร่กระจายแบบไวรัล
- การศึกษาเครือข่ายการเขียนร่วมและการทำงานร่วมกันในสาขาวิชาบรรณานุกรม (bibliometrics)
วิธีการทำงาน
วิธีการทำงาน
เครือข่ายถูกแทนด้วยกราฟ G = (V, E) โดยที่ V คือเซตของโหนด และ E คือเซตของเส้นเชื่อม เมทริกซ์ประชิด (adjacency matrix) A เข้ารหัสว่าคู่โหนดใดเชื่อมต่อกัน ในเครือข่ายที่ไม่มีทิศทาง เส้นเชื่อมแต่ละเส้นจะถูกนับเพียงครั้งเดียว ในเครือข่ายที่มีทิศทาง จะมีการติดตามดีกรีเข้า (in-degree) และดีกรีออก (out-degree) แยกกัน ซึ่งสะท้อนถึงการเชื่อมโยงขาเข้าและขาออกตามลำดับ
สำหรับแต่ละโหนด v การคำนวณค่ากลางดีกรีทำได้โดยการรวมผลรวมของสมาชิกทั้งหมดในแถว (หรือคอลัมน์) ของเมทริกซ์ประชิด — นั่นคือ การนับว่าโหนดอื่น ๆ กี่โหนดที่มันเชื่อมต่อโดยตรง ดีกรีดิบคือ C_D(v) = deg(v) ในกราฟที่มีทิศทาง ดีกรีเข้าจะนับการเชื่อมโยงขาเข้า ในขณะที่ดีกรีออกจะนับการเชื่อมโยงขาออก
สูตร
C_D(v) = \deg(v) = \sum_{u \in V} a_{vu}เพื่อเปรียบเทียบระหว่างเครือข่ายที่มีขนาดต่างกัน ดีกรีดิบจะถูกหารด้วย (n − 1) ซึ่งเป็นจำนวนการเชื่อมโยงสูงสุดที่เป็นไปได้ในเครือข่ายที่มี n โหนด คะแนนที่เป็นมาตรฐาน C_D'(v) จะอยู่ระหว่าง 0 ถึง 1 โดยที่ 1 บ่งชี้ว่าโหนดนั้นเชื่อมต่อกับโหนดอื่น ๆ ทั้งหมดในเครือข่าย
สูตร
C_D'(v) = \frac{\deg(v)}{n - 1}โหนดจะถูกจัดอันดับตามคะแนนค่ากลางดีกรีที่เป็นมาตรฐาน การกระจายของคะแนนสามารถแสดงเป็นฮิสโตแกรม หรือพล็อตบนกราฟเครือข่ายเป็นขนาดหรือสีของโหนด โหนดที่มีดีกรีสูงเป็นผู้สมัครสำหรับฮับ (hub) หรือผู้มีอิทธิพล (influencer) รูปแบบของการกระจายดีกรี (เช่น แบบหางหนา (heavy-tailed) หรือแบบสม่ำเสมอ (uniform)) จะเผยให้เห็นคุณสมบัติโครงสร้างที่กว้างขึ้นของเครือข่าย
ข้อผิดพลาดที่พบบ่อย
- การรายงานดีกรีดิบโดยไม่ทำให้เป็นมาตรฐาน ทำให้ผลลัพธ์ไม่สามารถเปรียบเทียบกันได้ระหว่างเครือข่ายที่มีขนาดต่างกัน
- การปฏิบัติต่อค่ากลางดีกรีว่าเป็นหลักฐานเพียงพอของอิทธิพลโดยไม่ตรวจสอบค่ากลางแบบระหว่างกลางหรือแบบ Eigenvector
- การละเลยทิศทางในเครือข่ายที่มีทิศทาง: ดีกรีเข้าและดีกรีออกมีความหมายเชิงเนื้อหาที่แตกต่างกัน
- การผสมค่ากลางดีกรีกับค่ากลางดีกรีถ่วงน้ำหนักโดยไม่ยอมรับความแตกต่างในเครือข่ายแบบไบนารีเทียบกับแบบมีค่า
- การมองข้ามโหนดโดดเดี่ยว (nodes with degree 0) ซึ่งอาจเป็นนักแสดงที่ขาดหายไปที่มีความสำคัญเชิงเนื้อหา
คำถามที่พบบ่อย
อะไรคือความแตกต่างระหว่างค่ากลางดีกรีและค่ากลางแบบ Eigenvector?
ค่ากลางดีกรีจะนับจำนวนการเชื่อมต่อโดยตรงโดยไม่คำนึงว่าเพื่อนบ้านเหล่านั้นเป็นใคร ค่ากลางแบบ Eigenvector จะให้น้ำหนักแต่ละการเชื่อมต่อตามความสำคัญของเพื่อนบ้าน ดังนั้นโหนดที่เชื่อมต่อกับโหนดที่มีค่ากลางสูงเพียงไม่กี่โหนด อาจได้คะแนนสูงกว่าโหนดที่มีเพื่อนบ้านรอบนอกจำนวนมาก
ฉันควรใช้ดีกรีเข้าหรือดีกรีออกในเครือข่ายที่มีทิศทางหรือไม่?
การเลือกขึ้นอยู่กับคำถามวิจัย ดีกรีเข้าจะวัดว่ามีนักแสดงกี่คนที่ชี้ไปยังโหนด (เช่น ความนิยม ชื่อเสียง จำนวนการอ้างอิง) ดีกรีออกจะวัดว่าโหนดชี้ไปยังนักแสดงกี่คน (เช่น ระดับกิจกรรม การส่งข้อมูล) การรายงานทั้งสองอย่างมักให้ข้อมูลที่เป็นประโยชน์
ค่ากลางดีกรีใช้ได้กับเครือข่ายที่มีการถ่วงน้ำหนักหรือไม่?
สูตรมาตรฐานใช้เส้นเชื่อมแบบไบนารี สำหรับเครือข่ายที่มีการถ่วงน้ำหนัก มาตรวัดที่เทียบเคียงได้คือค่ากลางดีกรีถ่วงน้ำหนัก (weighted degree centrality) (หรือเรียกว่า node strength) ซึ่งจะรวมน้ำหนักของเส้นเชื่อมแทนการนับเส้นเชื่อม การใช้งานส่วนใหญ่ใน igraph, NetworkX และ Gephi รองรับตัวเลือกนี้
เครือข่ายของฉันต้องมีขนาดเท่าใด?
ค่ากลางดีกรีไม่มีข้อกำหนดขนาดขั้นต่ำ มีความหมายแม้ในเครือข่ายขนาด 10 โหนด อย่างไรก็ตาม ในเครือข่ายขนาดเล็กมาก คะแนนที่เป็นมาตรฐานจะสูญเสียความละเอียด — โหนดเกือบทั้งหมดอาจดูเหมือนมีค่ากลางเท่ากัน สำหรับเครือข่ายที่มีจำนวนโหนดน้อยกว่าประมาณ 20 โหนด การตรวจสอบการกระจายดีกรีดิบมักจะให้ข้อมูลมากกว่าคะแนนที่เป็นมาตรฐาน
เมื่อใดที่ค่ากลางดีกรีไม่เพียงพอ?
เมื่อคำถามวิจัยของคุณเกี่ยวข้องกับบทบาทตัวกลาง (broker roles) การควบคุมการเข้าถึง (gatekeeping) หรือการไหลของข้อมูลทั่วทั้งเครือข่าย แทนที่จะเป็นความนิยมในระดับท้องถิ่น โหนดที่มีดีกรีปานกลางสามารถควบคุมการเข้าถึงระหว่างกลุ่ม (มีค่ากลางแบบระหว่างกลางสูง) หรือเข้าถึงโหนดอื่น ๆ ทั้งหมดได้อย่างรวดเร็ว (มีค่ากลางแบบประชิดสูง) โดยไม่จำเป็นต้องมีการเชื่อมต่อโดยตรงจำนวนมาก
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Freeman, L. C. (1978). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วWasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press.
ISBN: 978-0-521-38707-1คัดลอกแล้ว