Сетевая наука | ||||
---|---|---|---|---|
Теория | ||||
Типы сетей | ||||
Графики | ||||
| ||||
МетрикиАлгоритмы | ||||
| ||||
Модели | ||||
| ||||
СпискиКатегории | ||||
| ||||
В теории графов центральность узла по Кацу является мерой центральности в сети . Он был введен Лео Кацем в 1953 году и используется для измерения относительной степени влияния субъекта (или узла) в социальной сети . [1] В отличие от типичных мер центральности, которые рассматривают только кратчайший путь ( геодезическую ) между парой акторов, центральность Каца измеряет влияние, принимая во внимание общее количество проходов между парой акторов. [2]
Он похож на Google «S PageRank и к собственному вектору центральности . [3]
Измерение [ править ]
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 с удаленными соседями наказываются коэффициентом затухания . [4] Каждому пути или соединению между парой узлов назначается вес, определяемый, а расстояние между узлами - .
Например, на рисунке справа предположим, что центральность Джона измеряется и что . Вес, присвоенный каждой ссылке, которая соединяет Джона с его ближайшими соседями Джейн и Бобом, будет . Поскольку Хосе подключается к Джону косвенно через Боба, этому подключению (состоящему из двух ссылок) будет назначен вес . Точно так же вес, присвоенный соединению между Агнетой и Джоном через Азиза и Джейн, будет иметь вес, а вес, присвоенный соединению между Агнетой и Джоном через Диего, Хосе и Боба .
Математическая формулировка [ править ]
Пусть A - матрица смежности рассматриваемой сети. Элементы из A являются переменными , которые принимают значение 1 , если узел я подключен к узлу J и 0 в противном случае. Степени A указывают на наличие (или отсутствие) связей между двумя узлами через посредников. Например, в матрице if element указывает на то, что узел 2 и узел 12 соединены некоторым блужданием длины 3. Если обозначает центральность по Кацу узла i , то математически:
Следует отметить , что приведенное выше определение использует тот факт , что элемент на месте из отражает общее число степеней соединений между узлами и . Значение коэффициента ослабления должен быть выбран таким образом, что она меньше , чем величина , обратная абсолютной величины наибольшего собственного значения из A . [5] В этом случае для вычисления центральности Каца можно использовать следующее выражение:
Вот единичная матрица, это вектор размера n ( n - количество узлов), состоящий из единиц. обозначает транспонированную матрицу A и обозначает матричную инверсию члена . [5]
Расширение этой структуры позволяет вычислять прогулки в динамическом режиме. [6] [7] Путем создания зависящих от времени серий моментальных снимков сетевой смежности переходных краев представлена зависимость для обходов, вносящих вклад в кумулятивный эффект. Стрелка времени сохраняется, так что вклад деятельности асимметричен в направлении распространения информации.
Сеть, производящая данные в форме:
представляющая матрицу смежности в каждый момент времени . Следовательно,
Моменты времени упорядочены, но не обязательно равномерно разнесены. для которого является взвешенным подсчетом количества динамических обходов длины от узла к узлу . Форма динамической связи между участвующими узлами:
Это можно нормализовать с помощью:
Следовательно, меры центральности, которые количественно определяют, насколько эффективно узел может «транслировать» и «получать» динамические сообщения по сети,
- .
Приложения [ править ]
Центральность Каца может использоваться для вычисления централизации в направленных сетях, таких как сети цитирования и World Wide Web. [8]
Центральность Каца больше подходит для анализа ориентированных ациклических графов, где традиционно используемые меры, такие как центральность собственного вектора , оказываются бесполезными. [8]
Центральность Каца также может использоваться для оценки относительного статуса или влияния субъектов в социальной сети. Работа, представленная в [9], демонстрирует практический пример применения динамической версии центральности Каца к данным из Twitter и фокусируется на конкретных брендах, у которых есть стабильные лидеры обсуждения. Приложение позволяет сравнивать методологию с методологией специалистов в данной области и насколько результаты согласуются с группой экспертов по социальным сетям.
В нейробиологии установлено, что центральность Каца коррелирует с относительной скоростью возбуждения нейронов в нейронной сети. [10] Временное расширение центральности Каца применяется к данным фМРТ, полученным в эксперименте по музыкальному обучению в [11], где данные собираются от субъектов до и после процесса обучения. Результаты показывают, что изменения сетевой структуры во время музыкального воздействия создавали в каждом сеансе количественную оценку перекрестной коммуникативности, которая создавала кластеры в соответствии с успехом обучения.
Обобщенная форма центральности Каца может использоваться в качестве интуитивно понятной системы ранжирования для спортивных команд, например, в студенческом футболе . [12]
Ссылки [ править ]
- ^ Кац, Л. (1953). Новый индекс статуса на основе социометрического анализа. Психометрика, 39–43.
- Перейти ↑ Hanneman, RA, & Riddle, M. (2005). Введение в методы социальных сетей. Получено с http://faculty.ucr.edu/~hanneman/nettext/
- Перейти ↑ Vigna, S. (2016). «Спектральный рейтинг» . Сетевые науки . 4 (4): 433–445. DOI : 10.1017 / nws.2016.21 .
- ^ Аггарваль, CC (2011). Анализ данных социальных сетей. Нью-Йорк, штат Нью-Йорк: Спрингер.
- ^ a b Junker, BH, & Schreiber, F. (2008). Анализ биологических сетей. Хобокен, Нью-Джерси: Джон Уайли и сыновья.
- ^ Гриндрод, Питер; Парсонс, Марк С; Хайэм, Десмонд Дж; Эстрада, Эрнесто (2011). «Взаимодействие между развивающимися сетями» (PDF) . Physical Review E . APS. 83 (4): 046120. Bibcode : 2011PhRvE..83d6120G . DOI : 10.1103 / PhysRevE.83.046120 . PMID 21599253 .
- ^ Питер Гриндрод; Десмонд Дж. Хайэм. (2010). «Эволюционирующие графы: динамические модели, обратные задачи и распространение» . Proc. Рой. Soc. . 466 (2115): 753–770. Bibcode : 2010RSPSA.466..753G . DOI : 10.1098 / rspa.2009.0456 .
- ^ а б Ньюман, Мэн (2010). Сети: Введение. Нью-Йорк, 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 онлайн». Анализ социальных сетей и майнинг . Springer. 3 (4): 1311–1323. DOI : 10.1007 / s13278-013-0143-7 . S2CID 7125694 .
- ^ Флетчер, Джек Маккей; Веннекерс, Томас (2017). «От структуры к активности: использование мер центральности для прогнозирования нейронной активности» . Международный журнал нейронных систем . 28 (2): 1750013. DOI : 10,1142 / S0129065717500137 . PMID 28076982 .
- ^ Mantzaris, Александр V .; Даниэль С. Бассетт; Николас Ф. Уимбс; Эрнесто Эстрада; Мейсон А. Портер; Питер Дж. Муха; Скотт Т. Графтон; Десмонд Дж. Хайэм (2013). «Динамическая сетевая центральность суммирует обучение в человеческом мозгу». Журнал сложных сетей . 1 (1): 83–92. arXiv : 1207,5047 . DOI : 10,1093 / КОМНЕТ / cnt001 .
- ^ Парк, Джуйонг; Ньюман, MEJ (31 октября 2005 г.). «Сетевая рейтинговая система для американского студенческого футбола». Журнал статистической механики: теория и эксперимент . 2005 (10): P10014. arXiv : физика / 0505169 . DOI : 10.1088 / 1742-5468 / 2005/10 / P10014 . ISSN 1742-5468 . S2CID 15120571 .