유사성(네트워크 과학)
Similarity (network science)| 네트워크 과학 | ||||
|---|---|---|---|---|
| 네트워크 유형 | ||||
| 그래프 | ||||
| ||||
| 모델 | ||||
| ||||
| ||||
네트워크 분석의 유사성은 두 노드(또는 다른 보다 정교한 구조물)가 동일한 동등성 등급에 속할 때 발생한다.
네트워크 유사성 측정의 구성에는 구조적 동등성, 자동적 등가성, 정기적 등가성의 세 가지 기본적 접근방식이 있다.[1]세 가지 동등성 개념의 계층이 있다: 모든 구조적 동등성 집합은 자동적이고 규칙적인 동등성이다.모든 일련의 자동화 동등성 또한 규칙적인 동등성이다.모든 규칙적인 등가물이 반드시 자동화되거나 구조적인 것은 아니며, 모든 등가성이 반드시 구조적인 것은 아니다.[2]
유사성 및 거리 시각화
클러스터링 도구
다른 노드와의 결합 프로필의 유사성에 기초하여 노드의 응집적 계층적 군집화는 결합 트리 또는 덴드로그램을 제공하여 사례 간의 유사성 정도를 시각화하며 대략적인 동등성 등급을 찾는 데 사용할 수 있다.[2]
다차원 스케일링 도구
일반적으로 동등성 분석에서 우리의 목표는 "종류" 또는 사례 군집을 식별하고 시각화하는 것이다.군집 분석을 이용함에 있어서, 사례들 사이의 유사성이나 거리가 하나의 기본적인 차원을 반영한다고 암묵적으로 가정하고 있다.그러나 관찰된 사례의 유사성에는 다수의 "관찰" 또는 "치수"가 있을 수 있다.요인 또는 성분 분석을 사례 간의 상관 관계 또는 공분리에 적용할 수 있다.또는 다차원 스케일링을 사용할 수 있다(본질적인 공칭 또는 순서형 데이터의 경우 비금속, 평가된 데이터의 경우 미터법).[2]
MDS는 다차원 공간의 "지도"로서 (접근거리나 거리에 적용할 때) 행위자들 사이의 타이 프로파일에서 유사성 또는 이질성의 패턴을 나타낸다.이 지도를 통해 행위자들이 얼마나 '접근'한지, 다차원 공간에 '클러스터'되는지, 그리고 각 차원을 따라 얼마나 많은 변화가 있는지 알 수 있다.[2]
구조적 등가성
네트워크의 두 정점은 그들이 많은 같은 이웃을 공유한다면 구조적으로 동등하다.
배우 A와 정확히 같은 세트의 유대관계를 가진 배우가 없기 때문에 배우 A는 혼자 수업을 받는다.배우 B, C, D, G도 마찬가지다.이들 노드 각각에는 다른 노드에 대한 고유한 에지 집합이 있다.그러나 E와 F는 동일한 구조적 동등성 등급에 속한다.각각은 하나의 가장자리만 가지고 있다; 그 넥타이는 B와 같다.E와 F는 모든 정점과 정확히 같은 가장자리 패턴을 가지기 때문에 구조적으로 동등하다.H와 나 역시 마찬가지다.[2]
구조 등가성은 유사성의 가장 강력한 형태다.많은 실제 네트워크에서 정확한 동등성은 드물 수 있으며, 기준을 완화하고 대략적인 동등성을 측정하는 것이 유용할 수 있다.
밀접하게 관련된 개념은 제도적 동등성이다. 두 행위자(예: 기업)가 동일한 제도적 분야에서 활동한다면 제도적으로 동등하다.[3]구조적으로 동등한 행위자들은 동일한 관계 패턴이나 네트워크 위치를 가지고 있는 반면에, 제도적 동등성은 행위자들이 그들의 네트워크 위치가 얼마나 비슷한지에 관계없이 동일한 분야에 있는 것들로부터 경험하는 제도적 영향의 유사성을 포착한다.예를 들어 시카고의 두 은행은 (예를 들어, 한 은행은 중앙 노드일 수 있고 다른 은행은 주변 위치에 있을 수 있다) 매우 다른 관계 패턴을 가지고 있어 구조적으로 동등하지 않을 수 있지만, 둘 다 금융 및 은행 분야와 지리적으로 정의된 동일한 분야(시카고)에서 운영되기 때문에, 그들은 서로 다른 관계를 가질 수 있다.o 같은 제도적 영향의 일부.[3]
구조 동등성 측정
코사인 유사성
두 꼭지점에 대한 공통의 이웃의 간단한 수는 그 자체로는 그리 좋은 척도가 아니다.정점의 정도나 다른 정점의 쌍이 얼마나 많은 공통의 이웃을 가지고 있는지 알아야 한다.코사인 유사성은 이러한 관점을 고려하며 정점의 정도가 다양하다.Salton은 인접 행렬의 i번째 행과 j번째 행/색상을 두 벡터로 간주하고 유사성 측정으로 그들 사이의 각도의 코사인을 사용할 것을 제안했다.i와 j의 코사인 유사성은 공통적인 이웃의 수를 그 정도의 기하학적 평균으로 나눈 것이다.[4]
그것의 값은 0부터 1까지의 범위에 있다.1의 값은 두 꼭지점이 정확히 같은 이웃을 가지고 있음을 나타내는 반면 0의 값은 공통의 이웃을 가지고 있지 않음을 의미한다.코사인 유사성은 두 노드 중 하나 또는 둘 다 0도를 갖는 경우 기술적으로 정의되지 않지만, 관례에 따르면 이러한 경우 코사인 유사성은 0이라고 한다.[1]
피어슨 계수
피어슨 제품-순간 상관 계수는 공통 이웃의 수를 정상화하는 대안이다.이 방법은 정점이 무작위로 연결된 네트워크에서 공통 이웃의 수를 카운트할 예상 값과 비교한다.이 수량은 -1부터 -1까지의 범위에 있다.[1]
유클리드 거리
유클리드 거리는 두 꼭지점 사이에 차이가 나는 이웃의 수와 같다.정점 차이가 더 큰 정점일수록 크기 때문에 다소 다른 측정이다.최대값으로 나누면 정상화가 가능하다.최대값은 공통의 이웃이 없음을 의미하며, 이 경우 거리는 정점도의 합과 같다.[1]
자동형 등가성
형식적으로 "모든 정점에 u와 v의 라벨이 상호 교환된 이소형 그래프를 형성하기 위해 다시 라벨을 붙일 수 있는 경우 두 정점은 자동적으로 동등하다.두 개의 자동 등가 정점들은 정확히 동일한 라벨 독립적인 속성을 공유한다."[5]
보다 직관적으로, 두 배우를 교환하는 것이 그래프에 있는 모든 배우들 사이의 거리에 영향을 미치지 않는 방식으로 그래프를 퍼머할 수 있다면 배우들은 자동적으로 동등하다.
그래프가 회사의 조직 구조를 설명한다고 가정합시다.배우 A가 중앙본부, 배우 B, C, D가 매니저다.배우 E, F, H, 나는 작은 가게의 직원이다; G는 다른 가게의 유일한 직원이다.
배우 B와 D가 구조적으로 동등하지는 않지만(상사는 같지만 노동자는 동일하지 않다) 다른 의미로 '같다'는 느낌이다.B 과장과 D 과장은 모두 상사가 있고(이 경우 같은 상사), 각각 2명의 직원이 있다.만약 우리가 그들을 교환하고, 또한 네 명의 노동자들을 교환한다면, 네트워크에 있는 모든 배우들 사이의 모든 거리는 정확히 같을 것이다.
실제로 5개의 자동형 동등성 등급이 있다: {A}, {B, D}, {C}, {E, F, H, I}, {G}."평등성"에 대한 정의가 덜 엄격해짐에 따라 클래스 수가 줄어들었다는 점에 유의한다.[2]
정규등가성
형식적으로는 "두 배우가 동등한 타인과 동등하게 관련되면 정기적으로 동등하다"고 했다.즉, 규칙적으로 등가 정점은 반드시 이웃을 공유하지는 않지만, 그 자신들과 비슷한 이웃을 갖는 정점이다.[5]
예를 들어, 두 엄마는 각각 남편, 아이들 등과 비슷한 형태의 연줄을 가지고 있기 때문에 동등하다.두 엄마는 같은 남편이나 같은 자녀와 인연이 없어 구조적으로 동등하지 않다.엄마마다 남편과 자녀 수가 다를 수 있기 때문에 자동적으로 동등하지는 않을 것이다.그러나 그들은 일부 멤버나 다른 배우들의 멤버들과 같은 관계를 가지기 때문에 비슷하다(그들 자신들은 세트 "엄마"[2]의 멤버와 유대가 유사하기 때문에 동등하다고 간주된다).
그래프에는 세 가지 정규 등가 등급이 있다.첫 번째는 배우 A, 두 번째는 배우 B, C, D 세 명으로 구성되어 있고, 세 번째는 나머지 다섯 명의 배우 E, F, G, H, 그리고 I로 구성되어 있다.
가장 쉽게 볼 수 있는 계층은 도표 하단에 가로지르는 다섯 배우(E, F, G, H, I)이다.이 배우들은 다음과 같은 이유로 정기적으로 서로 동등하다.
- 그들은 일등석(즉, 배우 A와)의 어떤 배우와도 인연이 없다.
- 각각 2등석(B, C 또는 D)의 배우와 타이를 가진다.
그렇다면 다섯 배우 각각은 다른 계급의 배우들과 동일한 유대를 맺는다.
배우 B, C, D도 비슷한 반을 형성한다.B와 D는 실제로 3반 멤버 2명과 연고가 있는 반면, 배우 C는 3반 멤버 1명과만 연고가 있지만, 3반 멤버 일부와 연고가 있는 만큼 이 부분은 문제가 되지 않는다.
배우 A는 그 자체로 다음과 같이 정의된다.
- 적어도 2등 한 명과의 동점.
- 3급 멤버와 무승부.[2]
참고 항목
참조
- ^ a b c d 뉴먼, M.E.J. 2010.네트워크: 소개.영국 옥스퍼드: 옥스퍼드 대학 출판부.
- ^ a b c d e f g h Hanneman, Robert A. 그리고 Mark Ridle.2005. 소셜 네트워크 방법 소개.리버사이드, CA: 캘리포니아 대학교 리버사이드 (http://faculty.ucr.edu/에서 디지털 형태로 출판됨/ )
- ^ a b Marquis, Christopher; Tilcsik, András (2016-10-01). "Institutional Equivalence: How Industry and Community Peers Influence Corporate Philanthropy". Organization Science. 27 (5): 1325–1341. doi:10.1287/orsc.2016.1083. hdl:1813/44734. ISSN 1047-7039.
- ^ Salton G, 자동 텍스트 처리:컴퓨터, 애디슨 웨슬리, 리딩, MA(1989)에 의한 정보의 변환, 분석 및 검색
- ^ a b 보르가티, 스티븐, 마틴 에버렛, 린튼 프리먼.1992. UCINET IV 버전 1.0 사용 설명서.컬럼비아, SC: Analythe Analytic Technologies.