Степень влиятельности
Степень влиятельности — это мера влияния узла в сети. Относительные величины показателя назначаются всем узлам на основе концепции, что связь с узлом высокой степени влиятельности вкладывает больше в показатель рассматриваемого узла, чем аналогичная связь с узлом низкой степени влиятельности. Высокая степень влиятельности означает, что узел связан со многими узлами, имеющими высокие степени влиятельности[1][2].
Показатель PageRank компании Google и центральность по Кацу являются вариантами степени влиятельности[3].
Использование матрицы смежности для нахождения степени влиятельности
Для заданного графа с вершинами пусть будет матрицей смежности, то есть , если вершина связана с вершиной , и противном случае. Относительный показатель центральности вершины можно определить как
- ,
где представляет собой множество соседей вершины , а является константой. После небольших преобразований это выражение можно переписать в векторных обозначениях как уравнение для собственного вектора
В общем случае имеется много различных собственных значений , для которых существует ненулевой собственный вектор. Однако, из дополнительного требования, чтобы все элементы собственного вектора были неотрицательны, следует (по теореме Фробениуса — Перрона), что только наибольшее собственное значение приводит к желательной мере центральности[1]. Компонента, соответствующая v-му элементу связанного собственного вектора, даёт относительный показатель центральности вершины в сети. Собственный вектор определён с точностью до множителя, так что вполне определено только отношение центральностей вершин. Чтобы определить абсолютное значение показателя, необходимо нормализовать собственный вектор, например, так, что сумма по всем вершинам равна 1 или нормализовать общим числом вершин n. Поскольку в задаче возникают большие разреженные матрицы, то для нахождения доминирующего собственного вектора среди многих алгоритмов получения собственных значений обычно выбирают эффективный для разреженных матриц степенной метод.[3][4] Для задачи также существует обобщение, в котором элементы матрицы A являются вещественными числами, представляющими силу связи по аналогии со стохастической матрицей.
Приложения
Степень влиятельности является мерой влияния, которое узел оказывает на сеть. Если узел связан со многими узлами, которые также имеют высокие показатели влиятельности, то узел будет иметь высокую степень влиятельности[5].
В нейронауках было обнаружено, что степень влиятельности нейрона в модели нейронной сети коррелирует с относительной частотой возбуждения[5].
Наиболее раннее использование степени влиятельности можно найти в статье 1895 года Эдмунда Ландау по определению результатов шахматного турнира[6][7].
См. также
Примечания
- ↑ 1 2 Newman, 2008.
- ↑ Negre, Morzan, Hendrickson и др., 2018, с. E12201-E12208.
- ↑ 1 2 David Austin. How Google Finds Your Needle in the Web's Haystack . AMS. Дата обращения: 18 июня 2019. Архивировано 11 января 2018 года.
- ↑ Ipsen, Ilse, and Rebecca M. Wills (5-8 May 2005). "7th IMACS International Symposium on Iterative Methods in Scientific Computing" (PDF). Fields Institute, Toronto, Canada. Архивировано (PDF) 21 сентября 2018. Дата обращения: 11 июля 2019.
{{cite news}}
: Википедия:Обслуживание CS1 (множественные имена: authors list) (ссылка) Википедия:Обслуживание CS1 (формат даты) (ссылка) - ↑ 1 2 Fletcher, Wennekers, 2017, с. 1750013.
- ↑ Landau, 1895, с. 366-369.
- ↑ Holme, Peter Firsts in network science (15 апреля 2019). Дата обращения: 17 апреля 2019. Архивировано 16 апреля 2019 года.
Литература
- Christian F. A. Negre, Uriel N. Morzan, Heidi P. Hendrickson, Rhitankar Pal, George P. Lisi, J. Patrick Loria, Ivan Rivalta, Junming Ho, Victor S. Batista. Eigenvector centrality for characterization of protein allosteric pathways // Proceedings of the National Academy of Sciences. — 2018. — Т. 115, № 52. — doi:10.1073/pnas.1810452115.
- Newman M. E. J. The mathematics of networks // The New Palgrave Dictionary of Economics / Steven N. Durlauf, Lawrence E. Blume. — 2nd edition. — Palgrave Macmillan, 2008.
- Jack McKay Fletcher, Thomas Wennekers. From Structure to Activity: Using Centrality Measures to Predict Neuronal Activity // International Journal of Neural Systems. — 2017. — Т. 0, № 0. — doi:10.1142/S0129065717500137.
- Endmund Landau. Zur relativen Wertbemessung der Turnierresultate // Deutsches Wochenschach. — 1895. — № 11. — С. 366-369.