Ağırlıklı Özvektör Merkeziyeti
- Ortaya koyan
- Bonacich, P. (binary); Opsahl, T. et al. (weighted extension)
- Yıl
- 1987 (binary); 2010 (weighted generalization)
- Tür
- Spectral centrality measure
- Aile
- Network science
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Ağırlıklı özvektör merkeziyeti, kenarların sayısal ağırlıklar taşıdığı grafikler için klasik özvektör merkeziyeti ölçüsünü genişletir; her düğümü, komşularının puanlarının kenar ağırlıklarıyla çarpılmış toplamına orantılı olarak puanlar.
Düğümler yalnızca çok sayıda bağlantıya sahip oldukları için değil, aynı zamanda diğer etkili düğümlere güçlü bir şekilde bağlı oldukları için yüksek puan alır; bu da ölçüyü hem bağ gücü hem de ağ konumu açısından eş zamanlı olarak hassas hale getirir.
Yöntemin mantığı
Ağırlıksız bir ağda özvektör merkeziyeti, prestiji özyinelemeli olarak yakalar: önemli düğümlere bağlı olmak kendi öneminizi artırır. Ağırlıklı bir ağda, merkezi bir aktöre zayıf bir bağ, aynı aktöre güçlü bir bağdan daha az değerlidir. Ağırlıklı özvektör merkeziyeti, basit komşuluk matrisi yerine bir ağırlık matrisi kullanarak bu sezgiyi içselleştirir; böylece bir araştırmacı, aynı liderle yalnızca yüzeysel bir ortak yazarlığa sahip olana kıyasla, alan lideriyle yoğun bir şekilde işbirliği yapıyorsa daha yüksek sıralanır. Her düğümün puanı, komşularının puanlarının ağırlıklı toplamına orantılıdır.
Tarih
Özvektör merkeziyeti, 1987'de Phillip Bonacich tarafından, her bağlantıyı kaynağının merkeziyetine göre ağırlıklandırarak basit derecelendirmeyi genelleştiren bir prestij ölçüsü olarak tanıtıldı. Ağırlıklı ağlara açık genişletme, hem derece hem de yola dayalı merkeziyetleri ağırlıklı grafiklere genelleştiren birleşik bir çerçeve sağlayan Opsahl, Agneessens ve Skvoretz (2010) tarafından resmi olarak ele alındı. Ölçü şimdi scientometrics, nörobilim connectomics ve uluslararası ticaret ağı analizlerinde standart bir araçtır.
Ne zaman kullanılır?
Ağınızda anlamlı kenar ağırlıkları (işbirliği sıklığı, iletişim hacmi, ticaret akışı, birlikte ortaya çıkma sayısı) olduğunda ve hem güçlü bağlantılara sahip hem de diğer iyi bağlantılı düğümlere bağlı olan düğümleri belirlemeniz gerektiğinde ağırlıklı özvektör merkeziyetini kullanın. Özellikle ortak yazarlık ağlarında, ekonomik ticaret ağlarında ve beyin bağlantılılık analizlerinde uygundur. Kenar ağırlıklarının sıralı veya rastgele ölçeklendiği, ağın oldukça seyrek veya bağlantısız olduğu (ana özvektör yakınsamayabilir veya küçük bir küme tarafından domine edilebilir), ağırlıkların benzerlikler yerine mesafeleri temsil ettiği veya tek bir özet puanın yorumlanabilirliğinin yetersiz olduğu ve aracılık (betweenness) gibi yola dayalı ölçümlerin daha ilgili olduğu durumlarda bundan kaçının.
Sınırlar ve dikkat edilmesi gerekenler
- Bağlantısız veya neredeyse bağlantısız grafiklerde sorunludur; burada ana özvektör, çevresel bileşenler için sıfıra çökebilir.
- Ağırlık ölçeklendirmesine duyarlıdır: tüm ağırlıkları bir sabitle çarpmak özdeğerleri değiştirir ancak sıralamaları değiştirmez, ancak rastgele ağırlık dönüşümleri sonuçları bozabilir.
- Yol uzunluğunu veya köprüleme rollerini hesaba katmaz; önemli en kısa yollardaki düğümler, aracılık (betweenness) tabanlı ölçümlere kıyasla hafife alınabilir.
- Çok büyük yoğun ağlar için hesaplama açısından pahalıdır; ölçekte seyrek yaklaşımlar veya güç-yineleme yöntemleri gereklidir.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- Derece merkeziyetinin aksine, hem bağ gücünü hem de küresel prestiji eş zamanlı olarak yakalar; komşuların kim olduğunu göz ardı eder.
- Spektral grafik teorisine teorik olarak dayanır; Perron-Frobenius teoremi, bağlı negatif olmayan matrisler için benzersiz, negatif olmayan bir çözüm garanti eder.
- Kenar ağırlığı heterojenliğine duyarlıdır, çok sayıda zayıf bağlantısı olan düğümler yerine diğer etkili düğümlere güçlü bağlantıları olan düğümleri ödüllendirir.
- Standart ağ kütüphanelerinde (NetworkX, igraph, R'nin igraph paketi) yaygın olarak uygulanmıştır, bu da özel kod gerektirmeden erişilebilir olmasını sağlar.
- Hem yönsüz hem de yönlendirilmiş ağırlıklı ağlara uygulanabilir.
Uygulama alanları
- Scientometrics'te ağırlıklı işbirliği veya ortak yazarlık ağlarındaki kilit etkileyicileri belirleme.
- Kenar ağırlıklarının sinyal korelasyon gücünü yansıttığı beyin bağlantılılık ağlarındaki merkez bölgeleri haritalama.
- İhracat hacmine göre ağırlıklandırılmış küresel ticaret ağlarındaki ülkeleri merkeziyetlerine göre sıralama.
- Etkileşim gücü ağırlıklarına sahip ekolojik besin ağlarındaki baskın türleri veya kilit düğümleri tespit etme.
- Temas sıklığı ağırlıklarına sahip epidemiyolojik temas ağlarındaki müdahale için düğümleri önceliklendirme.
- Trafik hacmine göre ağırlıklandırılmış iletişim ağlarındaki yönlendirici veya sunucu önemini değerlendirme.
Nasıl çalışır?
Nasıl çalışır?
Ağırlıklı komşuluk matrisi W ile ağı temsil edin; burada W_ij girdisi, i ve j düğümleri arasındaki kenar ağırlığını içerir. Ağırlıklar negatif olmamalıdır; simetrik matrisler yönsüz ağlar için geçerlidir, asimetrik matrisler ise ölçüyü yönlendirilmiş ağırlıklı grafiklere genişletir.
Formül
W \in \mathbb{R}^{n \times n},\; W_{ij} = w_{ij} \geq 0W'nin özdeğerlerini ve özvektörlerini hesaplayın. En büyük pozitif özdeğere bağlı olan ana özvektör, Wx = lambda*x özyinelemeli denklemini sağlar ve her düğümün puanının komşularının puanlarının ağırlıklı toplamına orantılı olmasını garanti eder.
Formül
W \mathbf{x} = \lambda \mathbf{x}En büyük özdeğere karşılık gelen özvektörü seçin (Perron-Frobenius teoremi, bağlı, negatif olmayan bir matris için bu özvektörün tüm negatif olmayan girdilere sahip olmasını garanti eder); bu, anlamlı merkeziyet çözümüdür.
Formül
\mathbf{x}^* = \text{eigenvector for } \lambda_{\max}Ham özvektör girdilerini, en yüksek puanın 1'e eşit olacak şekilde (veya konvansiyona bağlı olarak L2 normunun 1'e eşit olacak şekilde) yeniden ölçeklendirin; bu, düğümleri ağdaki en merkezi düğüme göre sıralayan yorumlanabilir merkeziyet puanları verir.
Formül
x_i^* = \frac{x_i}{\max_j x_j}Sık yapılan hatalar
- Düğüm etkinliği için normalleştirme yapmadan ham birlikte ortaya çıkma sayılarını ağırlık olarak kullanmak, seçicilikten bağımsız olarak yüksek hacimli düğümlerin merkeziyetini şişirir.
- Ölçüyü, önce en büyük bağlı bileşeni çıkarmadan bağlantısız grafiklere uygulamak, çevresel düğümler için anlamsız sıfır puanlar üretir.
- Mesafe türündeki ağırlıkları (örneğin, coğrafi mesafe, gecikme) benzerlik ağırlıkları olarak ele almak, yorumu tersine çevirir - yüksek ağırlık, büyük maliyet yerine güçlü bağlantı anlamına gelmelidir.
- Yinelemeli (güç-yineleme) hesaplama kullanırken yakınsama tanılarını göz ardı etmek; puanlara güvenmeden önce algoritmanın yakınlaşıp yakınlaşmadığını kontrol etmemek.
Sık sorulan sorular
Ağırlıklı özvektör merkeziyeti, standart (ikili) özvektör merkeziyetinden nasıl farklıdır?
İkili özvektör merkeziyeti, ağırlıksız bir komşuluk matrisi kullanır, bu nedenle her komşu, bağ gücünden bağımsız olarak eşit katkıda bulunur. Ağırlıklı sürüm bir ağırlık matrisi kullanır, bu nedenle bir komşu, bağlanan kenarın ağırlığına orantılı olarak katkıda bulunur, bu da bağ gücünü prestij hesaplamasının açık bir parçası haline getirir.
Ağım yönlendirilmişse ne olur?
Yönlendirilmiş ağırlıklı ağlar için ağırlık matrisi asimetriktir. Etkinin kimden geldiğiyle mi yoksa kime gittiğiyle mi ilgilendiğinize bağlı olarak, sol özvektörleri (ağırlıklı bir hub puanına benzer şekilde, etki akışını yansıtan) veya sağ özvektörleri (etki akışını yansıtan) hesaplayabilirsiniz. Bu, HITS'deki otorite ve hub puanları arasındaki ayrım gibidir.
Negatif kenar ağırlıkları kullanılabilir mi?
Negatif olmayan ana özvektörün Perron-Frobenius garantisi yalnızca negatif olmayan matrisler için geçerlidir. Negatif ağırlıklar (örneğin, düşmanca ilişkiler) bu garantiyi bozar ve işaretleri karışık, yorumlanması zor özvektörler üretebilir. Negatif ağırlıkları, pozitif ve negatif katmanları ayırarak veya mutlak değer dönüşümünü dikkatlice uygulayarak önceden işleyin.
Ağırlıklı derece (güç) merkeziyetinden daha mı iyi?
Farklı şeyleri yakalarlar. Ağırlıklı derece (düğüm gücü), doğrudan bağların toplam ağırlığını sayar ancak komşuların kim olduğunu göz ardı eder. Ağırlıklı özvektör merkeziyeti, küresel ağ konumunu özyinelemeli olarak içerir. Pratikte, iki ölçü birçok ampirik ağda güçlü bir şekilde ilişkilidir, bu nedenle özvektör merkeziyeti yakınsamadığında veya grafik bağlantısız olduğunda, düğüm gücü daha güvenli bir yedek olabilir.
Çok büyük ağlarla nasıl başa çıkmalıyım?
Tam özdeğer ayrıştırması yerine seyrek matris temsillerini ve güç-yineleme algoritmalarını (NetworkX ve igraph'ta mevcuttur) kullanın. Yakınsama toleransını ve yineleme sınırlarını kontrol edin. Milyonlarca düğüme sahip ağlar için, ölçüyü uygulamadan önce örnekleme veya topluluk düzeyinde toplama yapmayı düşünün.
İlgili yöntemler
Kaynaklar
Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182.
DOI kaynağını açKopyalandı.Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251.
DOI kaynağını açKopyalandı.