การวิเคราะห์เครือข่ายหลายชั้น — เครือข่ายแบบมัลติเพล็กซ์
- ผู้เสนอ
- Kivelä et al. (2014); De Domenico et al. (2013)
- ปี
- 2013–2014 (formal mathematical framework)
- ประเภท
- Graph-theoretic network model
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การวิเคราะห์เครือข่ายหลายชั้น (Multilayer network analysis) เป็นกรอบการทำงานเชิงทฤษฎีกราฟ ซึ่งถูกทำให้เป็นรูปนัยโดย Kivelä et al. (2014) และ De Domenico et al. (2013) ที่แสดงชุดของโหนด (nodes) เดียวกันพร้อมกันในหลายชั้นความสัมพันธ์ (relationship layers) ในขณะที่เครือข่ายชั้นเดียว (single-layer network) จะรวมความสัมพันธ์ทั้งหมดไว้ในกราฟเดียว โมเดลหลายชั้นจะรักษาบริบทความสัมพันธ์ที่แตกต่างกันของแต่ละชั้น — แพลตฟอร์มสังคม ประเภทปฏิสัมพันธ์ทางชีวภาพ หรือระดับโครงสร้างพื้นฐาน — พร้อมทั้งสร้างแบบจำลองว่าชั้นต่างๆ เชื่อมต่อกันอย่างไรผ่านเส้นเชื่อมระหว่างชั้น (interlayer edges)
แนวคิดเบื้องหลังวิธีการ
ลองนึกภาพกลุ่มนักวิจัยที่ทำงานร่วมกันผ่านอีเมล ร่วมเขียนบทความ และติดตามกันบนเครือข่ายมืออาชีพ แผนภาพเครือข่ายเดียวจะรวมความสัมพันธ์ทั้งสามประเภทเข้าด้วยกันเป็นกราฟที่พันกันยุ่งเหยิง ทำให้สูญเสียข้อมูลที่ว่าความสัมพันธ์แบบร่วมเขียนบทความนั้นแข็งแกร่งกว่าการติดตามบน Twitter มาก การวิเคราะห์เครือข่ายหลายชั้นจะแยกประเภทความสัมพันธ์แต่ละประเภทไว้ในชั้นของตนเอง — เหมือนแผ่นใสที่ซ้อนกันบนโปรเจกเตอร์ — แต่ยังช่วยให้คุณสามารถถามได้ว่ากิจกรรมในชั้นหนึ่งทำนายหรือขยายกิจกรรมในชั้นอื่นได้อย่างไร ความเป็นศูนย์กลาง (centrality) ในบริบทนี้จึงไม่ใช่แค่ 'โหนดนี้เชื่อมต่อได้ดีเพียงใดโดยรวม?' อีกต่อไป แต่เป็น 'โหนดนี้มีความสำคัญเพียงใดในทุกชั้นพร้อมกัน โดยนับทั้งเส้นทางภายในชั้นและเส้นทางข้ามชั้น?'
ประวัติศาสตร์
วิทยาการเครือข่ายได้สร้างแบบจำลองระบบที่ซับซ้อนเป็นกราฟเดียวมานาน แต่ก็เป็นที่ชัดเจนในช่วงปี 2000 ว่าระบบในโลกแห่งความเป็นจริงหลายระบบเกี่ยวข้องกับความสัมพันธ์หลายประเภทที่โต้ตอบกัน De Domenico et al. (2013) ได้เสนอสูตรทางคณิตศาสตร์แบบเทนเซอร์ที่เข้มงวดซึ่งรวมความพยายามก่อนหน้านี้ที่แตกต่างกันเข้าไว้ด้วยกัน Kivelä et al. (2014) ซึ่งตีพิมพ์บทวิจารณ์ที่สมบูรณ์ในวารสาร Journal of Complex Networks ได้กำหนดคำศัพท์ร่วมกัน — layers, aspects, supra-adjacency matrices, interlayer edges — และสำรวจการประยุกต์ใช้ในด้านชีววิทยา การคมนาคม โซเชียลมีเดีย และโครงสร้างพื้นฐาน เอกสารทั้งสองฉบับนี้ร่วมกันเป็นรากฐานเชิงรูปนัยที่เป็นแบบฉบับของสาขาวิชานี้
ควรใช้เมื่อใด
การวิเคราะห์เครือข่ายหลายชั้นมีความเหมาะสมเมื่อเอนทิตีที่สนใจมีส่วนร่วมในความสัมพันธ์มากกว่าหนึ่งประเภทพร้อมกัน และความสัมพันธ์เหล่านั้นไม่สามารถรวมกันได้โดยไม่สูญเสียข้อมูลที่มีความหมาย กรอบการทำงานนี้ต้องการโหนดอย่างน้อย 20 โหนดที่มีเส้นเชื่อมระหว่างชั้นที่กำหนดไว้อย่างชัดเจน และน้ำหนักของชั้น (layer weights) ต้องมีความหมายเชิงเนื้อหา — การกำหนดชั้นโดยพลการจะทำให้ตัวชี้วัดการจับคู่ไม่สามารถตีความได้ ไม่จำเป็นต้องมีการแจกแจงแบบปกติ วิธีนี้เหมาะสำหรับวัตถุประสงค์การวิจัยเชิงสำรวจ เชิงพรรณนา และเชิงสัมพันธ์ หากมีโหนดน้อยกว่า 20 โหนด การวิเคราะห์ความเป็นศูนย์กลางชั้นเดียวจะเป็นทางเลือกที่ปลอดภัยกว่า
ข้อจำกัดและข้อควรพิจารณา
- ต้องการโหนดอย่างน้อย 20 โหนดที่มีเส้นเชื่อมระหว่างชั้นที่กำหนดไว้อย่างชัดเจน หากมีโหนดน้อยกว่า วิธีนี้จะไม่สามารถเปิดเผยโครงสร้างแบบมัลติเพล็กซ์ได้อย่างน่าเชื่อถือ
- น้ำหนักของชั้นต้องมีความหมายเชิงเนื้อหา หากกำหนดชั้นอย่างพลการ ตัวชี้วัดการจับคู่จะไม่สามารถตีความได้
- ต้นทุนการคำนวณเพิ่มขึ้นตามจำนวนชั้นและโหนด กราฟมัลติเพล็กซ์ขนาดใหญ่ต้องการการแสดงผลแบบเบาบาง (sparse representations) ที่มีประสิทธิภาพ
- ตัวชี้วัดความเป็นศูนย์กลางแบบมัลติเพล็กซ์มีพฤติกรรมแตกต่างจากตัวแอนะล็อกในชั้นเดียว และต้องมีการตีความอย่างระมัดระวังเพื่อหลีกเลี่ยงการสับสนระหว่างทั้งสอง
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- รักษาความจำเพาะของโครงสร้างของประเภทความสัมพันธ์แต่ละประเภท ในขณะเดียวกันก็ยังคงสามารถเปรียบเทียบข้ามชั้นได้ ซึ่งเครือข่ายที่รวมกันเป็นเครือข่ายเดียวไม่สามารถทำได้
- ตัวชี้วัดความเป็นศูนย์กลางแบบมัลติเพล็กซ์ระบุโหนดที่มีความสำคัญเนื่องจากมีการเชื่อมต่อที่ดีในหลายชั้น ไม่ใช่แค่โดดเด่นในชั้นเดียว
- สามารถนำไปใช้ได้ในหลากหลายสาขาวิชา — แพลตฟอร์มโซเชียลมีเดีย เครือข่ายชีวภาพแบบมัลติโอมิกส์ ระบบโครงสร้างพื้นฐาน — โดยไม่จำเป็นต้องมีข้อสมมติฐานเกี่ยวกับการแจกแจง
- จับคุณสมบัติที่เกิดขึ้นใหม่ (การล้มเหลวแบบน้ำตก (cascade failures), กลุ่มแบบมัลติเพล็กซ์ (multiplex communities)) ที่มองไม่เห็นในการวิเคราะห์ทีละชั้น
การประยุกต์ใช้
- การวิเคราะห์ปฏิสัมพันธ์บนโซเชียลมีเดียข้ามแพลตฟอร์ม โดยแต่ละแพลตฟอร์ม (Twitter, Facebook, LinkedIn) เป็นชั้นหนึ่งที่ใช้ชุดโหนดผู้ใช้เดียวกัน
- การวิเคราะห์เครือข่ายชีวภาพแบบมัลติโอมิกส์ โดยเครือข่ายการควบคุมยีน ปฏิสัมพันธ์ของโปรตีน และเครือข่ายปฏิกิริยาเมแทบอลิซึม ก่อตัวเป็นชั้นที่แตกต่างกันบนเอนทิตีโมเลกุลร่วมกัน
- การศึกษาความทนทานของโครงสร้างพื้นฐาน โดยกริดไฟฟ้า การคมนาคม และการสื่อสาร ถูกสร้างแบบจำลองเป็นชั้นที่จับคู่กันเพื่อประเมินความเสี่ยงของการล้มเหลวแบบน้ำตก
- การวิจัยเครือข่ายความร่วมมือ ระบุตัวนักวิจัยหรือสถาบันที่ทำหน้าที่เป็นฮับในหลายชั้นของการร่วมเขียนบทความหรือการอ้างอิง
วิธีการทำงาน
วิธีการทำงาน
นักวิเคราะห์จะระบุประเภทความสัมพันธ์ที่แตกต่างกันซึ่งประกอบกันเป็นระบบ และกำหนดแต่ละประเภทให้กับชั้นหนึ่งๆ แต่ละชั้นต้องครอบคลุมชุดโหนดเดียวกัน หรืออย่างน้อยก็เป็นส่วนย่อยที่กำหนดไว้อย่างชัดเจน เส้นเชื่อมระหว่างชั้น (Interlayer edges) — การเชื่อมต่อที่เชื่อมโยงโหนดในชั้นหนึ่งไปยังโหนดเดียวกันหรือโหนดอื่นในชั้นอื่น — จะถูกระบุควบคู่ไปกับเส้นเชื่อมภายในชั้น (within-layer edges) ขั้นตอนนี้เป็นเชิงแนวคิดแต่มีความสำคัญอย่างยิ่ง: หากชั้นต่างๆ ถูกกำหนดอย่างคลุมเครือ ตัวชี้วัดที่ตามมาทั้งหมดจะไม่สามารถตีความได้
กราฟหลายชั้นจะถูกประกอบขึ้นเป็นเมทริกซ์ซูเปอร์แอดแจเซนซี (supra-adjacency matrix) หรือวัตถุเทนเซอร์ (tensorial object) ในรูปแบบการแสดงซูเปอร์แอดแจเซนซี ชั้นทั้งหมดจะถูกซ้อนกันตามแนวทแยงมุมบล็อก (block diagonal) และบล็อกการจับคู่ระหว่างชั้น (interlayer coupling blocks) จะปรากฏนอกแนวทแยงมุม วัตถุทางคณิตศาสตร์นี้เข้ารหัสทั้งโทโพโลยีภายในชั้นและความแข็งแกร่งของการจับคู่ระหว่างชั้น ทำให้เป็นเครื่องมือหลักสำหรับการคำนวณในภายหลัง
ตัวชี้วัดความเป็นศูนย์กลางหลายชั้น (Multilayer centrality measures) — เช่น multiplex degree, multiplex betweenness, multiplex eigenvector centrality, และ participation coefficient — จะถูกคำนวณจากโครงสร้างซูเปอร์แอดแจเซนซี ตัวชี้วัดเหล่านี้แตกต่างจากตัวชี้วัดในชั้นเดียวโดยพื้นฐาน เนื่องจากพิจารณาเส้นทางข้ามชั้นด้วย อัลกอริทึมการตรวจจับกลุ่ม (Community detection algorithms) ที่ปรับให้เหมาะกับกราฟหลายชั้นก็สามารถนำมาใช้ในขั้นตอนนี้เพื่อระบุกลุ่มของโหนดที่เชื่อมต่อกันอย่างหนาแน่นในหลายชั้นพร้อมกันได้
นักวิเคราะห์จะตรวจสอบรูปแบบการจับคู่ระหว่างชั้น: ว่าความเป็นศูนย์กลางสูงในชั้นหนึ่งสัมพันธ์กับความเป็นศูนย์กลางสูงในอีกชั้นหนึ่งหรือไม่ (layer correlation), ว่ากลุ่มต่างๆ สอดคล้องกันในแต่ละชั้นหรือไม่ (layer similarity), และโหนดใดทำหน้าที่เป็นฮับแบบมัลติเพล็กซ์ (multiplex hubs) หรือสะพานเชื่อม (bridges) โหนดที่มีค่า participation coefficient สูงจะมีการกระจายกิจกรรมอย่างสม่ำเสมอในทุกชั้น โหนดที่มีค่าน้อยจะเป็นผู้เชี่ยวชาญเฉพาะชั้น ข้อมูลเชิงลึกเชิงโครงสร้างเหล่านี้จะป้อนเข้าสู่การตีความเชิงเนื้อหา — ตัวอย่างเช่น สถาบันวิจัยใดที่เชื่อมโยงเครือข่ายความร่วมมือหลายประเภท หรือโปรตีนใดที่จำเป็นในปฏิสัมพันธ์ทางชีวภาพหลายประเภท
ข้อผิดพลาดที่พบบ่อย
- การกำหนดชั้นโดยไม่มีเหตุผลทางทฤษฎีจะนำไปสู่ตัวชี้วัดการจับคู่ที่ถูกกำหนดเชิงตัวเลขแต่ไม่มีความหมายเชิงเนื้อหา — ควรยึดขอบเขตของชั้นตามความรู้เฉพาะทางเสมอ
- การสับสนระหว่างความเป็นศูนย์กลางแบบมัลติเพล็กซ์กับความเป็นศูนย์กลางชั้นเดียว: โหนดหนึ่งอาจเป็นศูนย์กลางโดยรวมในแบบมัลติเพล็กซ์ แต่เป็นส่วนปลายในแต่ละชั้น และในทางกลับกัน
- การละเลยเส้นเชื่อมระหว่างชั้นโดยสิ้นเชิงและปฏิบัติต่อชั้นต่างๆ เสมือนกราฟอิสระ จะทำให้สูญเสียข้อได้เปรียบหลักของกรอบการทำงาน — การจับคู่ข้ามชั้น — และลดการวิเคราะห์ให้เหลือเพียงชุดของการศึกษาเครือข่ายที่แยกจากกัน
- การรันการวิเคราะห์แบบมัลติเพล็กซ์บนโหนดน้อยกว่า 20 โหนด รูปแบบโครงสร้างที่ตรวจพบในกราฟมัลติเพล็กซ์ขนาดเล็กมากไม่น่าจะน่าเชื่อถือ และควรเลือกใช้การวิเคราะห์ความเป็นศูนย์กลางชั้นเดียวแทน
คำถามที่พบบ่อย
เครือข่ายหลายชั้นแตกต่างจากการรันการวิเคราะห์เครือข่ายแยกกันในแต่ละประเภทความสัมพันธ์อย่างไร?
การวิเคราะห์แยกกันจะละเลยว่ากิจกรรมในชั้นหนึ่งส่งผลต่อกิจกรรมในอีกชั้นหนึ่งอย่างไร การวิเคราะห์หลายชั้นสร้างแบบจำลองเส้นเชื่อมระหว่างชั้นอย่างชัดเจน และคำนวณตัวชี้วัดความเป็นศูนย์กลางที่เดินทางผ่านเส้นทางข้ามชั้น เผยให้เห็นโหนดที่มีความสำคัญซึ่งเกิดจากบทบาทการเชื่อมโยงข้ามชั้น — ซึ่งการวิเคราะห์ชั้นเดียวไม่สามารถตรวจจับได้
เส้นเชื่อมระหว่างชั้นคืออะไร และฉันจำเป็นต้องมีเสมอหรือไม่?
เส้นเชื่อมระหว่างชั้นเชื่อมต่อสำเนาของโหนดในชั้นหนึ่งกับสำเนาของมันในอีกชั้นหนึ่ง เข้ารหัสว่าชั้นทั้งสองเชื่อมต่อกันอย่างไร ในเครือข่ายมัลติเพล็กซ์ โดยทั่วไปจะเชื่อมต่อแต่ละโหนดกับตัวเองข้ามชั้น (การจับคู่แนวทแยงมุม) ต้องมีการกำหนดเส้นเชื่อมเหล่านี้ หากละเว้น จะทำให้ชั้นต่างๆ แยกออกจากกันเป็นกราฟอิสระ และทำให้วัตถุประสงค์ของกรอบการทำงานหลายชั้นสูญเสียไป
ค่า participation coefficient บอกอะไรฉัน?
ค่า participation coefficient ของโหนดวัดว่าการเชื่อมต่อของมันกระจายไปในแต่ละชั้นอย่างสม่ำเสมอเพียงใด ค่าใกล้ 1 หมายความว่าโหนดมีการใช้งานในหลายชั้นอย่างเท่าเทียมกัน ค่าใกล้ 0 หมายความว่าการเชื่อมต่อของมันกระจุกตัวอยู่ในชั้นเดียว โหนดที่มี participation สูงเป็นผู้เชี่ยวชาญทั่วไปแบบมัลติเพล็กซ์ โหนดที่มี participation ต่ำเป็นผู้เชี่ยวชาญเฉพาะชั้น
เมื่อใดที่ฉันควรเปลี่ยนไปใช้การวิเคราะห์ความเป็นศูนย์กลางชั้นเดียว?
เมื่อมีโหนดน้อยกว่า 20 โหนด หรือเมื่อข้อมูลไม่มีประเภทความสัมพันธ์ที่แตกต่างกันอย่างแท้จริงพร้อมกับการจับคู่ระหว่างชั้นที่มีความหมาย ในกรณีเหล่านั้น ค่าใช้จ่ายเพิ่มเติมของกรอบการทำงานหลายชั้นจะไม่คุ้มค่า และการวิเคราะห์ความเป็นศูนย์กลางมาตรฐานบนกราฟที่รวมกันเป็นกราฟเดียวจะน่าเชื่อถือกว่า
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Kivelä, M. et al. (2014). Multilayer Networks. Journal of Complex Networks, 2(3), 203–271.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วDe Domenico, M. et al. (2013). Mathematical Formulation of Multilayer Networks. Physical Review X, 3(4), 041022.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้ว