Мера центральности в сети, основанная на узловом влиянии
В теории графов центральность Каца или альфа -центральность узла является мерой центральности в сети . Он был введен Лео Кацем в 1953 году и используется для измерения относительной степени влияния субъекта (или узла) внутри социальной сети . [1] В отличие от типичных мер центральности, которые учитывают только кратчайший путь ( геодезическую ) между парой акторов, центральность Каца измеряет влияние, принимая во внимание общее количество блужданий между парой акторов. [2]
Центральность Каца вычисляет относительное влияние узла в сети путем измерения количества непосредственных соседей (узлов первой степени), а также всех других узлов в сети, которые подключаются к рассматриваемому узлу через этих непосредственных соседей. Однако соединения, установленные с дальними соседями, наказываются коэффициентом затухания . [4] Каждому пути или соединению между парой узлов присваивается вес, определяемый и расстоянием между узлами как .
Например, предположим, что на рисунке справа измеряется центральность Джона и что . Вес, присвоенный каждому звену, соединяющему Джона с его непосредственными соседями Джейн и Бобом, будет равен . Поскольку Хосе подключается к Джону косвенно через Боба, вес, присвоенный этому соединению (состоящему из двух ссылок), будет равен . Аналогично, вес, присвоенный связи между Агнетой и Джоном через Азиза и Джейн, будет равен , а вес, присвоенный связи между Агнетой и Джоном через Диего, Хосе и Боба, будет .
Математическая формулировка
Пусть A — матрица смежности рассматриваемой сети. Элементы A — это переменные, которые принимают значение 1, если узел i соединен с узлом j , и 0 в противном случае. Степени А указывают на наличие (или отсутствие) связей между двумя узлами через посредников. Например, в матрице , если элемент , это указывает, что узел 2 и узел 12 соединены через некоторый путь длины 3. Если обозначает центральность Каца узла i , то, учитывая значение , математически:
Обратите внимание, что в приведенном выше определении используется тот факт, что элемент в месте расположения отражает общее количество связей степени между узлами и . Значение коэффициента ослабления должно быть выбрано таким, чтобы оно было меньше обратного абсолютного значения наибольшего собственного значения A . [5] В этом случае для расчета центральности Каца можно использовать следующее выражение:
Здесь – единичная матрица, – вектор размера n ( n – количество узлов), состоящий из единиц. обозначает транспонированную матрицу A и обозначает матричное обращение термина . [5]
Расширение этой структуры позволяет вычислять обходы в динамической обстановке. [6] [7] С помощью временной серии снимков сетевого соседства переходных границ представлена зависимость от прогулок, способствующих кумулятивному эффекту. Стрела времени сохраняется, поэтому вклад активности асимметричен в направлении распространения информации.
Сеть производит данные вида:
представляющая матрицу смежности в каждый момент времени . Следовательно:
Моменты времени упорядочены, но не обязательно расположены на одинаковом расстоянии друг от друга. для которого является взвешенным подсчетом количества динамических обходов длины от узла к узлу . Форма динамической связи между участвующими узлами:
Это можно нормализовать с помощью:
Таким образом, меры центральности, которые количественно определяют, насколько эффективно узел может «транслировать» и «получать» динамические сообщения по сети:
.
Альфа-центральность
Учитывая граф с матрицей смежности , центральность Каца определяется следующим образом:
где – внешняя важность, придаваемая узлу , и – неотрицательный коэффициент ослабления, который должен быть меньше, чем величина, обратная спектральному радиусу . В исходном определении Каца [8]
использовался постоянный вектор . Хаббелл [9]
ввел использование общего .
Полвека спустя Боначич и Ллойд [10] определили альфа-центральность как:
что по существу идентично центральности Каца. Точнее, оценка узла отличается ровно на , поэтому, если она постоянна, порядок, наведенный на узлах, идентичен.
Приложения
Центральность Каца можно использовать для вычисления центральности в направленных сетях, таких как сети цитирования и Всемирная паутина. [11]
Центральность Каца больше подходит для анализа ориентированных ациклических графов, где традиционно используемые меры, такие как центральность собственного вектора, оказываются бесполезными. [11]
Центральность Каца также можно использовать для оценки относительного статуса или влияния участников социальной сети. Работа, представленная в [12], показывает тематическое исследование применения динамической версии централизации Каца к данным из Twitter и фокусируется на конкретных брендах, которые имеют стабильных лидеров дискуссий. Приложение позволяет сравнивать методологию с методологией экспертов в этой области и сравнивать результаты с группой экспертов по социальным сетям.
В нейробиологии обнаружено, что центральность Каца коррелирует с относительной частотой срабатывания нейронов в нейронной сети. [13] Временное расширение централизации Каца применяется к данным фМРТ, полученным в ходе эксперимента по обучению музыке в [14] , где данные собираются у испытуемых до и после процесса обучения. Результаты показывают, что изменения в сетевой структуре, связанной с музыкальным воздействием, создавали на каждом занятии количественную оценку перекрестной коммуникации, которая создавала кластеры в соответствии с успехом обучения.
Обобщенную форму централизации Каца можно использовать в качестве интуитивной системы ранжирования спортивных команд, например, в студенческом футболе . [15]
Альфа-центральность реализована в библиотеке igraph для сетевого анализа и визуализации. [16]
Рекомендации
^ Кац, Л. (1953). Новый индекс статуса, полученный на основе социометрического анализа. Психометрика, 39–43.
^ Ханнеман, Р.А., и Риддл, М. (2005). Введение в методы социальных сетей. Получено с http://faculty.ucr.edu/~hanneman/nettext/.
^ Винья, С. (2016). «Спектральный рейтинг». Сетевая наука . 4 (4): 433–445. дои : 10.1017/nws.2016.21 . hdl : 2434/527942 .
^ Аггарвал, CC (2011). Анализ данных социальных сетей. Нью-Йорк, штат Нью-Йорк: Спрингер.
^ Аб Юнкер, Б.Х., и Шрайбер, Ф. (2008). Анализ биологических сетей. Хобокен, Нью-Джерси: John Wiley & Sons.
^ Гриндрод, Питер; Парсонс, Марк С; Хайэм, Десмонд Дж; Эстрада, Эрнесто (2011). «Коммуникабельность в развивающихся сетях» (PDF) . Физический обзор E . 83 (4). APS: 046120. Бибкод : 2011PhRvE..83d6120G. doi : 10.1103/PhysRevE.83.046120. ПМИД 21599253.
^ Питер Гриндрод; Десмонд Дж. Хайэм. (2010). «Развивающиеся графы: динамические модели, обратные задачи и распространение». Учеб. Р. Сок. А. 466 (2115): 753–770. Бибкод : 2010RSPSA.466..753G. дои : 10.1098/rspa.2009.0456 .
^ Лео Кац (1953). «Новый индекс статуса, полученный на основе социометрического анализа». Психометрика . 18 (1): 39–43. дои : 10.1007/BF02289026. S2CID 121768822.
^ Чарльз Х. Хаббелл (1965). «Подход ввода-вывода к идентификации клик». Социометрия . 28 (4): 377–399. дои : 10.2307/2785990. JSTOR 2785990.
^ П. Боначич, П. Ллойд (2001). «Меры центральности, подобные собственным векторам, для асимметричных отношений». Социальные сети . 23 (3): 191–201. CiteSeerX 10.1.1.226.2113 . дои : 10.1016/S0378-8733(01)00038-7.
^ аб Ньюман, Мэн (2010). Сети: Введение. Нью-Йорк, штат Нью-Йорк: Издательство Оксфордского университета.
^ Лафлин, Питер; Манцарис, Александр V; Эйнли, Фиона; Отли, Аманда; Гриндрод, Питер; Хайэм, Десмонд Дж (2013). «Обнаружение и подтверждение влияния в динамичной социальной сети». Анализ социальных сетей и майнинг . 3 (4). Спрингер: 1311–1323 гг. дои : 10.1007/s13278-013-0143-7. S2CID 7125694.
^ Флетчер, Джек Маккей; Веннекерс, Томас (2017). «От структуры к активности: использование показателей центральности для прогнозирования активности нейронов». Международный журнал нейронных систем . 28 (2): 1750013. doi : 10.1142/S0129065717500137 . hdl : 10026.1/9713 . ПМИД 28076982.
^ Манцарис, Александр В.; Даниэль С. Бассетт; Николас Ф. Уимбс; Эрнесто Эстрада; Мейсон А. Портер; Питер Дж. Муха; Скотт Т. Графтон; Десмонд Дж. Хайэм (2013). «Центральность динамической сети обобщает обучение человеческого мозга». Журнал сложных сетей . 1 (1): 83–92. arXiv : 1207.5047 . doi : 10.1093/comnet/cnt001.
^ Пак, Джуйонг; Ньюман, MEJ (31 октября 2005 г.). «Сетевая система рейтинга американского студенческого футбола». Журнал статистической механики: теория и эксперимент . 2005 (10): P10014. arXiv : физика/0505169 . дои : 10.1088/1742-5468/2005/10/P10014. ISSN 1742-5468. S2CID 15120571.