加权度中心性
- 提出者
- Barrat, A.; Barthélemy, M.; Pastor-Satorras, R.; Vespignani, A.
- 年份
- 2004
- 类型
- Centrality measure for weighted networks
- 类别
- Network science
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
加权度中心性(也称为节点强度)将经典的度中心性度量扩展到具有数值权重边的网络。它不是简单地计算节点的连接数,而是对连接到该节点的所有边的权重求和,从而在一个可解释的分数中同时捕捉节点的连接量和强度。
方法背后的直觉
在非加权网络中,节点的度计算其有多少邻居,但每周给10位同事发邮件的研究人员与每年给每位同事发一次邮件的研究人员并不等同。加权度中心性捕捉了这种区别:它对每个连接的实际强度求和。高分表明一个节点不仅连接广泛,而且维持着牢固或频繁的关系,使其成为加权社交、生物或基础设施网络中影响力的自然度量或承载重要性的度量。
历史学
节点强度作为度的加权泛化的概念由 Barrat、Barthélemy、Pastor-Satorras 和 Vespignani 在他们 2004 年发表于 PNAS 的论文中正式提出,该论文分析了包括全球航空运输网络在内的复杂加权网络的结构。他们的框架成为加权网络科学的奠基性参考,现在已成为 Newman 的《网络导论》(2010)等网络分析教科书的标准内容。此后,该度量已被应用于神经科学、经济学、生态学和计算社会科学。
何时使用
当你的网络具有有意义的数值边权重——合作频率、通信量、贸易额、物理流量——并且你想识别最活跃或最有影响力的节点,而无需路径度量量的复杂性时,使用加权度中心性。当二元度会丢弃连接强度中的重要变化时,它是合适的第一个中心性度量。当边权重是标称或序数类别时(先转换为有意义的序数分数),当网络结构而非原始吞吐量最重要时(优先选择介数中心性或特征向量中心性),或者当网络是非加权时(改用标准度中心性),请勿使用它。
局限与注意事项
- 对边权重的尺度和分布敏感;倾斜的权重可能会急剧夸大少数节点的得分。
- 不考虑节点在全局网络结构中的位置——一个外围但权重很大的节点可能比拓扑上中心的节点得分更高。
- 在有向网络中忽略边的方向,除非分别计算入强度和出强度。
- 不提供关于聚类、中介或间接连接范围的信息。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 计算成本低廉——O(m),其中 m 是边的数量——并且对于大型网络可以轻松并行化。
- 直观的解释:它直接反映了节点连接的总量或强度。
- 区分具有相同度但连接强度不同的节点,这是二元度中心性无法做到的。
- 广泛实现于 NetworkX、igraph、Gephi 和 R 的 igraph 包中。
- 与非加权度自然结合,以检测高度节点是否也承载重流量。
应用
- 识别加权社交和协作网络中最活跃或最有影响力的参与者。
- 通过总流量或总量检测交通和贸易网络中的主要枢纽。
- 在连接组学研究中,通过突触或功能连接强度对大脑区域进行排名。
- 量化文献计量网络中多产的合著或引文影响力。
- 通过交互频率或生物量流加权的生态食物网中检测关键物种。
- 在应用更昂贵的基于路径的中心性度量之前,对节点重要性进行基准测试。
使用方式
使用方式
将网络表示为加权图 G = (V, E, W),其中节点 V 是参与者或实体,边 E 是连接,权重矩阵 W 为每条边分配一个正实数值 w_ij,编码频率、强度、成本或其他与领域相关的数量。负权重需要仔细预处理或采用替代公式。
对于每个节点 i,对其邻居的所有连接边的权重求和:s_i = sum of w_ij for all j in the neighborhood of i。Barrat 等人(2004)的文献将此量称为节点强度,它直接推广了二元度到加权情况。
公式
s_i = \sum_{j \in \mathcal{N}(i)} w_{ij}将每个节点的强度除以网络中的总权重(或最大节点强度)以获得介于 0 和 1 之间的归一化分数。归一化可以跨不同大小或总权重预算的网络进行公平比较,并且是排名或回归分析前的标准做法。
公式
s_i^{\text{norm}} = \frac{s_i}{\sum_k s_k}按归一化强度分数对节点进行排序,并识别高中心性节点。在社交网络中,这些是最活跃或最有影响力的参与者;在贸易网络中,是最大的枢纽;在合著网络中,是最多产的合作者。与非加权度进行比较,以识别受连接强度放大或减弱其影响力的节点。
常见陷阱
- 将原始权重视为可跨数据集比较,而未进行标准化或对数转换(当权重严重倾斜时)。
- 在有向网络中忘记单独计算入强度和出强度,并在未经证明的情况下将其合并为一个分数。
- 报告加权度中心性而不将其与二元度中心性进行比较,从而错过高强度是由许多弱连接还是少数强连接驱动。
- 在没有决定包含或排除对角线权重的情况下,在自环上使用度量。
- 忽略缺失或零膨胀的权重,这可能系统性地低估观察不足的节点的强度。
常见问题
加权度中心性与标准度中心性有何区别?
标准度中心性计算连接到节点的边的数量,将所有连接视为相等。加权度中心性对边权重求和,因此连接到一个非常强的连接的节点可能比拥有许多弱连接的节点得分更高。这两个度量一起揭示了一个节点的影响力是来自连接的广度还是强度。
在计算节点强度之前,我应该对边权重进行对数转换吗?
当权重跨越几个数量级时——例如,贸易额从数千到数十亿不等——对数转换可以防止少数极端连接主导得分。务必检查权重分布,如果权重严重右偏,则进行转换。
如何处理有向网络?
分别计算入强度(传入边权重的总和)和出强度(传出边权重的总和)。入强度通常反映受欢迎程度或权威性,而出强度反映活动性或努力程度。将它们合并为一个分数会丢失方向信息。
计算加权度中心性的合理软件选择是什么?
Python 中的 NetworkX(通过 degree 方法并指定 weight 参数)、R 或 Python 中的 igraph(strength 函数)以及 Gephi(内置加权度列)都可以通过一个函数调用计算节点强度。对于非常大的稀疏网络,graph-tool 或基于 GraphBLAS 的实现效率更高。
何时应优先选择介数中心性而不是加权度中心性?
当您关心哪些节点控制最短路径上的信息或资源流——网络中的中介和桥梁——时,使用介数中心性。当您关心每个节点的原始活动或吞吐量时,使用加权度中心性。它们是互补的,并且在同时报告时通常很有信息量。
相关方法
参考文献
Barrat, A., Barthélemy, M., Pastor-Satorras, R., & Vespignani, A. (2004). The architecture of complex weighted networks. Proceedings of the National Academy of Sciences, 101(11), 3747–3752.
打开 DOI 文献已复制。Newman, M. E. J. (2010). Networks: An Introduction. Oxford University Press.
ISBN:978-0-19-920665-0已复制。