Skip to content
กลับไปยังผลการค้นหา

ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะถ่วงน้ำหนัก (Weighted Eigenvector Centrality)

ผู้เสนอ
Bonacich, P. (binary); Opsahl, T. et al. (weighted extension)
ปี
1987 (binary); 2010 (weighted generalization)
ประเภท
Spectral centrality measure
กลุ่มวิธี
Network science

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะถ่วงน้ำหนัก (weighted eigenvector centrality) ขยายมาตรวัดความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะแบบดั้งเดิมไปยังกราฟที่เส้นเชื่อมมีน้ำหนักเป็นตัวเลข โดยให้คะแนนแต่ละโหนดเป็นสัดส่วนกับผลรวมของคะแนนของเพื่อนบ้านคูณด้วยน้ำหนักของเส้นเชื่อม โหนดได้คะแนนสูงไม่ใช่เพียงเพราะมีการเชื่อมต่อมาก แต่เพราะเชื่อมโยงอย่างแข็งแรงกับโหนดอื่นที่มีอิทธิพล ทำให้มาตรวัดนี้ไวต่อทั้งความแข็งแรงของความสัมพันธ์และตำแหน่งในเครือข่ายพร้อมกัน

แนวคิดเบื้องหลังวิธีการ

ในเครือข่ายที่ไม่ถ่วงน้ำหนัก ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะจับเกียรติภูมิแบบเวียนเกิด การเชื่อมต่อกับโหนดสำคัญยกระดับความสำคัญของตนเอง ในเครือข่ายถ่วงน้ำหนัก ความสัมพันธ์ที่อ่อนกับผู้มีบทบาทศูนย์กลางมีค่าน้อยกว่าความสัมพันธ์ที่แข็งแรงกับผู้มีบทบาทคนเดียวกัน ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะถ่วงน้ำหนักนำสัญชาตญาณนี้เข้ามาโดยแทนเมทริกซ์ประชิดอย่างง่ายด้วยเมทริกซ์น้ำหนัก ทำให้นักวิจัยที่ร่วมงานอย่างเข้มข้นกับผู้นำในสาขาได้อันดับสูงกว่านักวิจัยที่เป็นผู้ร่วมเขียนอย่างผิวเผินกับผู้นำคนเดียวกัน คะแนนของแต่ละโหนดเป็นสัดส่วนกับผลรวมถ่วงน้ำหนักของคะแนนของเพื่อนบ้าน

ประวัติศาสตร์

ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะนำเสนอโดย Phillip Bonacich ในปี 1987 เป็นมาตรวัดเกียรติภูมิสำหรับเครือข่ายสังคม โดยขยายดีกรีอย่างง่ายด้วยการถ่วงน้ำหนักแต่ละการเชื่อมต่อด้วยความเป็นศูนย์กลางของต้นทาง การขยายสู่เครือข่ายถ่วงน้ำหนักอย่างชัดเจนได้รับการจัดการเป็นทางการใน Opsahl, Agneessens และ Skvoretz (2010) ซึ่งให้กรอบรวมที่ขยายทั้งดีกรีและความเป็นศูนย์กลางที่อิงเส้นทางไปสู่กราฟถ่วงน้ำหนัก ปัจจุบันมาตรวัดนี้เป็นเครื่องมือมาตรฐานในวิทยาศาสตร์มิติ (scientometrics) คอนเนกโทมิกส์ทางประสาทวิทยา และการวิเคราะห์เครือข่ายการค้าระหว่างประเทศ

ควรใช้เมื่อใด

ใช้ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะถ่วงน้ำหนักเมื่อเครือข่ายมีน้ำหนักเส้นเชื่อมที่มีความหมาย (ความถี่การร่วมงาน ปริมาณการสื่อสาร การไหลของการค้า จำนวนการเกิดร่วม) และต้องการระบุโหนดที่ทั้งเชื่อมต่อแข็งแรงและเชื่อมกับโหนดอื่นที่เชื่อมต่อดี เหมาะเป็นพิเศษกับเครือข่ายผู้ร่วมเขียน เครือข่ายการค้าทางเศรษฐกิจ และการวิเคราะห์การเชื่อมต่อของสมอง ควรหลีกเลี่ยงเมื่อน้ำหนักเส้นเชื่อมเป็นเชิงอันดับหรือมีมาตราส่วนตามอำเภอใจ เมื่อเครือข่ายเบาบางมากหรือไม่เชื่อมต่อกัน (เวกเตอร์ไอเกนหลักอาจไม่ลู่เข้าหรืออาจถูกครอบงำโดยกลุ่มย่อยขนาดเล็ก) เมื่อน้ำหนักแทนระยะทางมากกว่าความเกี่ยวพัน หรือเมื่อคะแนนสรุปค่าเดียวตีความได้ไม่เพียงพอและมาตรวัดที่อิงเส้นทาง เช่น betweenness เกี่ยวข้องมากกว่า

ข้อจำกัดและข้อควรพิจารณา

  • มีปัญหาบนกราฟที่ไม่เชื่อมต่อหรือเกือบไม่เชื่อมต่อ ซึ่งเวกเตอร์ไอเกนหลักอาจยุบเป็นศูนย์สำหรับส่วนประกอบรอบนอก
  • ไวต่อการปรับสเกลน้ำหนัก การคูณน้ำหนักทั้งหมดด้วยค่าคงที่เปลี่ยนค่าไอเกนแต่ไม่เปลี่ยนอันดับ แต่การแปลงน้ำหนักตามอำเภอใจอาจบิดเบือนผลลัพธ์
  • ไม่คำนึงถึงความยาวเส้นทางหรือบทบาทการเชื่อมสะพาน โหนดบนเส้นทางที่สั้นที่สุดที่สำคัญอาจถูกประเมินต่ำกว่ามาตรวัดที่อิง betweenness
  • ใช้การคำนวณสูงสำหรับเครือข่ายหนาแน่นขนาดใหญ่มาก ต้องใช้การประมาณแบบเบาบางหรือวิธีวนซ้ำกำลัง (power iteration) เมื่อขนาดใหญ่

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • จับทั้งความแข็งแรงของความสัมพันธ์และเกียรติภูมิระดับโลกพร้อมกัน ต่างจากความเป็นศูนย์กลางแบบดีกรีที่ไม่สนใจว่าเพื่อนบ้านคือใคร
  • มีรากฐานทางทฤษฎีในทฤษฎีกราฟเชิงสเปกตรัม ทฤษฎีบทของ Perron-Frobenius รับประกันคำตอบเดียวที่ไม่เป็นลบสำหรับเมทริกซ์ไม่เป็นลบที่เชื่อมต่อกัน
  • ไวต่อความไม่เป็นเนื้อเดียวกันของน้ำหนักเส้นเชื่อม ให้รางวัลแก่โหนดที่มีการเชื่อมโยงแข็งแรงกับโหนดอื่นที่มีอิทธิพลมากกว่าโหนดที่มีการเชื่อมโยงอ่อนจำนวนมาก
  • นำไปใช้อย่างกว้างขวางในไลบรารีเครือข่ายมาตรฐาน (NetworkX, igraph, แพ็กเกจ igraph ของ R) ทำให้ใช้ได้โดยไม่ต้องเขียนโค้ดเอง
  • ใช้ได้กับทั้งเครือข่ายถ่วงน้ำหนักแบบไม่มีทิศทางและแบบมีทิศทาง

การประยุกต์ใช้

  • การระบุผู้มีอิทธิพลสำคัญในเครือข่ายการร่วมงานหรือผู้ร่วมเขียนแบบถ่วงน้ำหนักในวิทยาศาสตร์มิติ
  • การทำแผนที่บริเวณศูนย์กลาง (hub) ในเครือข่ายการเชื่อมต่อของสมองที่น้ำหนักเส้นเชื่อมสะท้อนความแรงของสหสัมพันธ์ของสัญญาณ
  • การจัดอันดับประเทศตามความเป็นศูนย์กลางในเครือข่ายการค้าโลกที่ถ่วงน้ำหนักด้วยปริมาณการส่งออก
  • การตรวจจับสปีชีส์เด่นหรือโหนดสำคัญ (keystone) ในใยอาหารเชิงนิเวศที่มีน้ำหนักเป็นความแรงของปฏิสัมพันธ์
  • การจัดลำดับความสำคัญของโหนดสำหรับการแทรกแซงในเครือข่ายการสัมผัสทางระบาดวิทยาที่มีน้ำหนักเป็นความถี่การสัมผัส
  • การประเมินความสำคัญของเราเตอร์หรือเซิร์ฟเวอร์ในเครือข่ายสื่อสารที่ถ่วงน้ำหนักด้วยปริมาณการจราจร

วิธีการทำงาน

วิธีการทำงาน

1

แทนเครือข่ายด้วยเมทริกซ์ประชิดถ่วงน้ำหนัก W โดยค่า W_ij คือน้ำหนักเส้นเชื่อมระหว่างโหนด i และ j น้ำหนักต้องไม่เป็นลบ เมทริกซ์สมมาตรใช้กับเครือข่ายไม่มีทิศทาง ส่วนเมทริกซ์ไม่สมมาตรขยายมาตรวัดไปยังกราฟถ่วงน้ำหนักแบบมีทิศทาง

สูตร
W \in \mathbb{R}^{n \times n},\; W_{ij} = w_{ij} \geq 0
2

คำนวณค่าไอเกนและเวกเตอร์ไอเกนของ W เวกเตอร์ไอเกนหลัก (principal eigenvector) ซึ่งสัมพันธ์กับค่าไอเกนบวกที่ใหญ่ที่สุด สอดคล้องกับสมการเวียนเกิด Wx = lambda*x รับประกันว่าคะแนนของแต่ละโหนดเป็นสัดส่วนกับผลรวมถ่วงน้ำหนักของคะแนนของเพื่อนบ้าน

สูตร
W \mathbf{x} = \lambda \mathbf{x}
3

เลือกเวกเตอร์ไอเกนที่สอดคล้องกับค่าไอเกนที่ใหญ่ที่สุด (ทฤษฎีบทของ Perron-Frobenius รับประกันว่าเวกเตอร์ไอเกนนี้มีค่าทุกตัวไม่เป็นลบสำหรับเมทริกซ์ไม่เป็นลบที่เชื่อมต่อกัน) ซึ่งเป็นคำตอบความเป็นศูนย์กลางที่มีความหมาย

สูตร
\mathbf{x}^* = \text{eigenvector for } \lambda_{\max}
4

ปรับสเกลค่าเวกเตอร์ไอเกนดิบเพื่อให้คะแนนสูงสุดเท่ากับ 1 (หรือนอร์ม L2 เท่ากับ 1 ขึ้นกับธรรมเนียม) ได้คะแนนความเป็นศูนย์กลางที่ตีความได้ซึ่งจัดอันดับโหนดเทียบกับโหนดที่เป็นศูนย์กลางที่สุดในเครือข่าย

สูตร
x_i^* = \frac{x_i}{\max_j x_j}

ข้อผิดพลาดที่พบบ่อย

  • การใช้จำนวนการเกิดร่วมดิบเป็นน้ำหนักโดยไม่ทำให้เป็นมาตรฐานตามกิจกรรมของโหนด ทำให้ความเป็นศูนย์กลางของโหนดที่มีปริมาณสูงสูงเกินจริงโดยไม่คำนึงถึงความเลือกสรร
  • การใช้มาตรวัดกับกราฟที่ไม่เชื่อมต่อโดยไม่สกัดส่วนประกอบที่เชื่อมต่อกันที่ใหญ่ที่สุดก่อน ทำให้ได้คะแนนศูนย์ที่ไม่มีความหมายสำหรับโหนดรอบนอก
  • การปฏิบัติต่อน้ำหนักแบบระยะทาง (เช่น ระยะทางทางภูมิศาสตร์ เวลาแฝง) เป็นน้ำหนักแบบความเกี่ยวพัน ซึ่งทำให้การตีความกลับด้าน น้ำหนักสูงควรหมายถึงการเชื่อมต่อที่แข็งแรง ไม่ใช่ต้นทุนที่มาก
  • การมองข้ามการวินิจฉัยการลู่เข้าเมื่อใช้การคำนวณแบบวนซ้ำ (power iteration) การไม่ตรวจสอบว่าอัลกอริทึมลู่เข้าหรือไม่ก่อนเชื่อถือคะแนน

คำถามที่พบบ่อย

ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะถ่วงน้ำหนักต่างจากแบบมาตรฐาน (แบบทวิภาค) อย่างไร?

ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะแบบทวิภาคใช้เมทริกซ์ประชิดที่ไม่ถ่วงน้ำหนัก ดังนั้นเพื่อนบ้านแต่ละรายมีส่วนเท่ากันไม่ว่าความแข็งแรงของความสัมพันธ์จะเป็นอย่างไร ส่วนฉบับถ่วงน้ำหนักใช้เมทริกซ์น้ำหนัก เพื่อนบ้านจึงมีส่วนตามสัดส่วนของน้ำหนักเส้นเชื่อม ทำให้ความแข็งแรงของความสัมพันธ์เป็นส่วนหนึ่งของการคำนวณเกียรติภูมิอย่างชัดเจน

จะเป็นอย่างไรหากเครือข่ายของฉันมีทิศทาง?

สำหรับเครือข่ายถ่วงน้ำหนักแบบมีทิศทาง เมทริกซ์น้ำหนักไม่สมมาตร คุณคำนวณเวกเตอร์ไอเกนซ้าย (สะท้อนเกียรติภูมิของการไหลเข้า คล้ายคะแนน hub ถ่วงน้ำหนัก) หรือเวกเตอร์ไอเกนขวา (สะท้อนเกียรติภูมิของการไหลออก) ได้ ขึ้นกับว่าสนใจว่าใครได้รับอิทธิพลหรือใครส่งอิทธิพล ซึ่งคล้ายกับความแตกต่างระหว่างคะแนนผู้มีอำนาจ (authority) และ hub ใน HITS

ใช้น้ำหนักเส้นเชื่อมที่เป็นลบได้หรือไม่?

การรับประกันของ Perron-Frobenius เรื่องเวกเตอร์ไอเกนหลักที่ไม่เป็นลบใช้กับเมทริกซ์ไม่เป็นลบเท่านั้น น้ำหนักที่เป็นลบ (เช่น ความสัมพันธ์เชิงเป็นปรปักษ์) ทำลายการรับประกันนี้และอาจให้เวกเตอร์ไอเกนที่มีเครื่องหมายผสมซึ่งตีความได้ยาก ควรเตรียมน้ำหนักที่เป็นลบล่วงหน้าโดยแยกชั้นบวกและลบออกจากกัน หรือใช้การแปลงค่าสัมบูรณ์อย่างระมัดระวัง

ดีกว่าความเป็นศูนย์กลางแบบดีกรีถ่วงน้ำหนัก (strength) หรือไม่?

ทั้งสองจับสิ่งที่ต่างกัน ดีกรีถ่วงน้ำหนัก (ความแข็งแรงของโหนด) นับน้ำหนักรวมของความสัมพันธ์โดยตรงแต่ไม่สนใจว่าเพื่อนบ้านคือใคร ความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะถ่วงน้ำหนักรวมตำแหน่งในเครือข่ายระดับโลกแบบเวียนเกิด ในทางปฏิบัติ มาตรวัดทั้งสองสัมพันธ์กันสูงในเครือข่ายเชิงประจักษ์หลายแห่ง ดังนั้นหากความเป็นศูนย์กลางแบบเวกเตอร์เฉพาะไม่ลู่เข้าหรือกราฟไม่เชื่อมต่อกัน ความแข็งแรงของโหนดอาจเป็นทางเลือกสำรองที่ปลอดภัยกว่า

ควรจัดการเครือข่ายขนาดใหญ่มากอย่างไร?

ใช้การแทนเมทริกซ์แบบเบาบางและอัลกอริทึมวนซ้ำกำลัง (มีใน NetworkX และ igraph) แทนการแยกส่วนประกอบไอเกนเต็มรูป ตรวจสอบค่าความคลาดเคลื่อนของการลู่เข้าและขีดจำกัดจำนวนรอบ สำหรับเครือข่ายที่มีโหนดหลายล้านโหนด ให้พิจารณาการสุ่มตัวอย่างหรือการรวมระดับชุมชนก่อนใช้มาตรวัด

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  2. Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว