166. Sosyal ağ analizi: merkezilik, yoğunluk, topluluk ve ağ çizimi
Şablon kimliği: sosyal_ag_analizi · Kategori: çok değişkenli · Dil: R · Dosya: pro/sablonlar/cok_degiskenli/sosyal_ag_analizi.R (satır 1–302; üstbilgi 1–102) · Örnek veri: _ornek/sosyal_ag_analizi_karate.csv · Paketler: igraph 2.3.4 (R 4.5.3)
166.1 Ne işe yarar
Şablon, kişiler, kurumlar, türler ya da yerler arasındaki ilişkilerden (arkadaşlık, danışma, ortak yazarlık, besin ağı, ulaşım) bir ağ kurar ve üç şeyi hesaplar: her düğümün ağdaki yerini ölçen merkezilik değerlerini, ağın bütününü özetleyen ölçüleri (yoğunluk, kümelenme, çap, derece birlikteliği) ve ağın hangi topluluklara ayrıştığını. Ardından ağı çizer ve derece dağılımını gösterir. Çözümleme igraph ile yapılır (Csárdi ve Nepusz, 2006).
Kurulan nesne bir çizgedir: G=(V,E), n=|V| düğüm, m=|E| kenar. Kenarlar yönsüz ya da yönlü, ağırlıklı ya da ağırlıksızdır. Girdi iki biçimde verilir: bir kenar listesi (her satır bir bağ: kaynak, hedef, isteğe bağlı ağırlık) ya da kare komşuluk matrisi (satırlar ve seçilen sütunlar aynı düğümlerdir).
Ne zaman kullanılır?
- Veri doğrudan "kimin kimle ilişkili olduğu" ise (sosyometri, ortak yazarlık, çağrı kaydı, türler arası etkileşim) ve hangi düğümün ağı birbirine bağladığı, hangi grupların kümelendiği soruluyorsa.
- Betimsel bir ağ raporu (derece, aradalık, topluluk) istenen ilk çözümleme olarak.
Ne zaman kullanılmaz?
- İlişkiler tahmin edilecek ise (ör. korelasyondan ağ kurmak, koşullu bağımsızlık yapısını öğrenmek): Bayes ağı şablonu (Bölüm 156,
bayes_ag) yönlü bağımlılık yapısı öğrenir; bu şablon ağı veri olarak alır, kestirmez. - Ağ ilişkileri bir model içinde yanıt ya da açıklayıcı olacaksa (üstel rastgele çizge, stokastik aktör modeli, gizil uzay): bu şablonlarda yoktur; yalnız betimsel ölçüler verir.
- Kenarlar ardışık zamanlı olaylarsa (zamanla değişen ağ): şablon tek bir durağan ağ kurar.
- Çok büyük ağlar (n\gtrsim10^4): aradalık ve yakınlık tam hesaplanır ve zamanla kare ya da küp büyür; çizimde etiket sayısı sınırlıdır.
- Düğümlerin yalnız bir kısmı yalıtılmışsa ve kenar listesi veriliyorsa: kenar listesinde hiç kenarı olmayan düğüm bulunamaz (yalıtılmış düğüm yalnız komşuluk matrisiyle girer; 166.2).
Temel programla ilişki. Temel programda sosyal ağ çözümlemesi yoktur; bu şablon yalnız MerQuR+'ta bulunur.
166.2 Şablonun girdileri
Form, üstbilgideki 13 [[param]] bloğundan kurulur (sosyal_ag_analizi.R:11–101). Türlerin anlamı ve formun ortak denetimi Bölüm 1.2'dedir. kaynak, hedef ve dugum_adi sutun türündedir: düğüm adı olarak sayısal ya da metin her sütun seçilebilir. agirlik ve matris sayısal roldür (sayisal_sutun; sutunlar + sayisal = true): Veri sekmesinde türü "kategorik" olsa bile bu sütunlar R'ye sayı olarak gider (Bölüm 1.3); metin sütun (ör. ondalık virgüllü ağırlık, 1,5) bu role atanamaz ve çalıştırma, form denetiminde "sayısal bir sütun değil" iletisiyle başlamaz.
| Alan (form etiketi) · ad | Tür · sekme | Varsayılan | Geçerli değerler | Kodda etkisi |
|---|---|---|---|---|
Veri biçimi · girdi |
seçim · Değişkenler | kenar |
kenar, komsuluk |
Kenar listesi ya da matris (11–17, 110–137). |
Kaynak düğüm · kaynak |
sütun (isteğe bağlı) · Değişkenler | boş | herhangi sütun | Kenar listesinde kaynak (18–23, 113–116). |
Hedef düğüm · hedef |
sütun (isteğe bağlı) · Değişkenler | boş | herhangi sütun | Kenar listesinde hedef (24–29, 113–116). |
Kenar ağırlığı · agirlik |
sayısal sütun (isteğe bağlı) · Değişkenler | boş | sayısal sütun | Ağırlık; boşsa ağırlıksız (30–35, 116, 138). |
Komşuluk matrisi sütunları · matris |
sütunlar (isteğe bağlı, sayısal) · Değişkenler | boş | en az 2 sayısal sütun | Matris hücreleri (36–42, 124–126). |
Düğüm adı sütunu · dugum_adi |
sütun (isteğe bağlı) · Değişkenler | boş | herhangi sütun | Matriste düğüm adları; boşsa sütun adları (43–48, 130). |
Yönlü ağ · yonlu |
onay · Model | kapalı | açık/kapalı | directed bayrağı (49–54, 109). |
Ağırlığın anlamı · agirlik_anlami |
seçim · Model | guc |
guc, uzaklik |
Ağırlığın güç ya da uzaklık sayılması (55–62, 158–161). |
Topluluk bulma yöntemi · topluluk |
seçim · Model | louvain |
louvain, walktrap, fast_greedy, edge_betweenness, optimal, yok |
Topluluk algoritması (63–69, 207–236). |
Louvain çözünürlüğü · cozunurluk |
ondalık · Seçenekler | 1,0 | 0,01–10 | Yalnız Louvain'de (70–77, 221–230). |
Tohum · tohum |
tamsayı · Seçenekler | 1977 | 1–2 147 483 647 | Louvain sırası ve çizim yerleşimi (78–85, 208, 282). |
Louvain yeniden başlatma sayısı · louvain_tekrar |
tamsayı · Seçenekler | 1 | 1–1000 | Louvain bu kadar kez çalıştırılır, en yüksek modülerlikli bölünme tutulur; 1 tek çalıştırmadır (86–93, 212, 221–230). |
Çizimde adı yazılan düğüm sayısı · etiket_sayisi |
tamsayı · Çıktı | 40 | 0–100 000 | Dereceye göre en büyük bu kadar düğümün adı (94–101, 286–287). |
Örnek ayar (ornek_param, satır 9): girdi = kenar, kaynak = kaynak, hedef = hedef, yonlu = kapalı, topluluk = louvain, tohum = 1977; öteki alanlar varsayılan.
Tohum. Şablonun kendi tohum alanı vardır ve kod set.seed(P$tohum) ile Louvain'den önce (208) ve çizimden önce (282) tohumu bir kez daha kurar. Kod panelindeki isteğe bağlı Tohum alanının (Bölüm 1.3) etkisi bu nedenle şablonda geçersiz kılınır: sonucu şablonun tohum alanı belirler. Çıktının kendisi tohuma bağlıdır (166.8).
Şablonun kendi denetimleri (mq_hata) ve bildirimleri (mq_metin):
| Koşul | İleti (özet) | Satır |
|---|---|---|
| Veri açık değil | "Önce Veri sekmesinde bir veri açın." | 108 |
| Kenar listesi: kaynak ya da hedef seçilmemiş | "Kenar listesi için kaynak ve hedef sütunlarını seçin." | 113 |
| Kaynak ve hedef aynı sütun | "Kaynak ve hedef sütunları farklı olmalı." | 114 |
| Eksik düğüm ya da ağırlığı olan satır | Not: "Eksik düğüm ya da ağırlıklı N satır çıkarıldı." (boş düğüm adı ve eksik/sonsuz ağırlık) | 118–119 |
| Hiç geçerli kenar kalmadı | "Geçerli kenar kalmadı." | 121, 145 |
| Matris: seçilen sütun <2 | "Komşuluk matrisi için en az iki sütun seçin." | 125 |
| Matris kare değil | "Komşuluk matrisi kare olmalı: R satır, C sütun." | 136 |
| Matriste eksik değer | Not: eksik değerler 0 (bağ yok) sayıldı. | 137 |
| Düğüm adları eksik ya da yinelenen (matris) | "Düğüm adları eksiksiz ve tekil olmalı." | 139 |
| Yönsüz ağda matris simetrik değil | Not: üst üçgen kullanıldı. | 140 |
| Ağırlıklı ağda w\le0 kenar | Not: "sıfır ya da negatif ağırlıklı N kenar çıkarıldı" (kenar çıkarılır) | 147–150 |
| Öz döngü | Not: "N öz döngü çıkarıldı." | 151–152 |
| Yinelenen kenar | Not: "N yinelenen kenar birleştirildi (ağırlıklar toplandı)." (ağırlıklı ağ) ya da "N yinelenen kenar tek kenara indirildi" (ağırlıksız ağ) | 159–166 |
| n<3 | "Ağda en az üç düğüm olmalı." | 168 |
| Ağırlıklı ağda yakınlık 1'i aşıyor | Not: yakınlık ağırlık birimine bağlıdır. | 184 |
Yakınlığı tanımsız (NaN) düğüm var |
Not: N düğümün yakınlığı tanımsız (yalıtılmış düğüm). | 185 |
| Yönlü ağ döngüsüz | Uyarı: özvektör merkeziliği tanımsız; sütun boş (NA) bırakıldı. |
188–191 |
| Yönlü ağda özvektör merkeziliği tanımsız (hepsi 0/NA) | Uyarı: PageRank'i kullanın. | 192 |
| Louvain seçili | Not: bölünme tohuma bağlıdır (tohum ve yeniden başlatma sayısı yazılır). | 217 |
| Yönlü ağda Louvain, hızlı açgözlü, kesin eniyileme | Not: yönsüz ağ üzerinde çalıştırıldı. | 214–215 |
| Yönlü ağda walktrap, kenar aradalığı | Not: yöntem yönlü ağda çalıştı; Q yönsüz ağda hesaplanır. | 218–219 |
optimal ve n>50 |
"Kesin modülerlik eniyilemesi en çok 50 düğümlü ağlar içindir; Louvain'i seçin." | 216 |
| Topluluk algoritması hata verdi | Uyarı: topluluk bulunamadı (ağın kendisi yine hesaplanır). | 235 |
| Ağ bağlı değil | Not: yakınlık yalnız ulaşılabilen düğümler üzerinden, çap ve yol bileşenler içindir. | 236–237 |
166.3 Örnek veri
sosyal_ag_analizi_karate.csv, Zachary (1977) karate kulübü ağıdır: 78 satır (kenar), iki sütun, eksik değer yok. 34 üye; her kenar iki üye arasındaki kulüp dışı bir arkadaşlık bağıdır. Kulüp, bir yönetici (34) ile eğitmen (1) arasındaki anlaşmazlıkla ikiye bölünmüştür; ağ topluluk bulma yöntemleri için klasik sınama verisidir.
| Değişken | Rol | Tür (veri sekmesinin algıladığı) | Özet |
|---|---|---|---|
kaynak |
kaynak düğüm | sayısal | 1–33 (tamsayı) |
hedef |
hedef düğüm | sayısal | 2–34 (tamsayı) |
Düğüm adları sayıdır; şablon adları metne çevirir ve tamamı sayıya çevrilebiliyorsa sayısal sırada (1, 2, 10, …), değilse alfabetik sıralar (148–149). Çizgenin düğüm sırası bu sıradır ve tabloların satırları bu sırayla çıkar. Ağırlık yoktur, ağ yönsüzdür. Bu bölümde kullanılan çalıştırmalar (tohum 1977 ya da belirtildiği gibi; ayrıntı dogrulama/sosyal_ag_analizi/calistir.sh):
| Ad | Veri | Ayar |
|---|---|---|
p4_sa_ornek, p4_sa_t_*, p4_sa_coz05/2, p4_sa_tohum1…8 |
karate | örnek ayar; her topluluk yöntemi; çözünürlük 0,5 ve 2; tohum 1–8 |
p4_sa_agirlikli_guc, …_uzak, p4_sa_yinelenen* |
karate (benzetilmiş ağırlık 1–5; yinelenen kenarlı) | ağırlıklı; çokluklu |
p4_sa_yonlu*, p4_sa_dag, p4_sa_bagli_degil |
benzetim (veri_uret.py) |
yönlü (20 düğüm, 53 kenar); döngüsüz; üç bileşenli |
p4_sa_kom*, p4_sa_kirli*, p4_sa_sayisal_ad*, p4_sa_n60*, p4_sa_iki_dugum, p4_sa_oz_dongu, … |
benzetim | komşuluk matrisi ve hata/sınır durumları |
166.4 Yöntem: formüller ve hesap adımları
Şablon önce girdiden bir kenar tablosu kurar (düğümleri adlarıyla eşleştirir, geçersiz satırları ve öz döngüleri çıkarır), igraph::graph_from_data_frame ile çizgeyi oluşturur, yinelenen kenarları birleştirir (ağırlıksız ağda weight özelliğini siler), ardından düğüm düzeyi ölçüleri, topluluğu ve ağ düzeyi ölçüleri hesaplar ve iki grafik çizer.
166.4.1 Ağın kurulması
Kenar listesi. kaynak ve hedef sütunları metne çevrilir ve baştaki/sondaki boşluklar kırpılır (125); boş metin ve eksik değer geçersizdir. Ağırlık as.numeric ile okunur, eksik ya da sonsuz olan satır atılır (124, 126). Komşuluk matrisi. Seçilen sütunlar sayısal matrise çevrilir; kare olmalıdır; eksik hücre 0'dır; düğüm adları dugum_adi sütunundan ya da sütun adlarından gelir. Yönsüz ağda yalnız üst üçgen (i\le j) kenar olur, yönlüde A_{ij}\ne0 olan her hücre bir kenardır (141–143). Satırlarla sütunların aynı düğüm sırasını izlediği varsayılır; şablon bunu denetlemez. Kenarı olmayan (satır ve sütunu sıfır) düğümler yalıtılmış düğüm olarak çizgeye eklenir (144, 155).
Temizlik sırası. (i) w\le0 kenarlar çıkarılır (yalnız ağırlıklı ağda; 147–150); (ii) öz döngüler çıkarılır (151–152); (iii) çizge kurulur; (iv) yinelenen kenarlar birleştirilir; ağırlıklı ağda ağırlıkları toplanır (159–164), ağırlıksız ağda tek kenara indirilir ve weight özelliği silinir (165–166). Yönsüz ağda A–B ile B–A aynı kenardır.
Ağırlıksız ağda birleştirilen kenarların çokluğu
Ağırlıksız ağda çizgede weight özelliği bırakılmaz (delete_edge_attr, 166): igraph weights = NULL ile çağrıldığında çizgede weight özelliği varsa onu kullandığından, bırakılsaydı yinelenen kenarın çokluğu yol ölçülerinde uzaklık, özvektör ve PageRank'te güç sayılırdı. Bu yüzden ağırlıksız ağda yinelenen kenar yalnız tek kenara iner ve ölçüler yinelenensiz ağınkiyle aynıdır. Çokluğun ağırlık olması isteniyorsa çokluğu ağırlık sütununa yazın.
166.4.2 Ağırlığın anlamı
Ağırlık w_{ij}>0 iki biçimde yorumlanabilir (agirlik_anlami):
- s_{ij}: bağın gücü; özvektör merkeziliğinde, PageRank'te ve topluluk bulmada kullanılır (güç ne kadar büyükse bağ o kadar kuvvetli).
- d_{ij}: bağın uzunluğu; en kısa yol tabanlı ölçülerde (aradalık, yakınlık, harmonik, çap, ortalama yol) kullanılır.
- Ağırlıksız ağda s_{ij}=d_{ij}=1.
Neden iki anlam
Arkadaşlık sıklığı, ortak makale sayısı ya da trafik hacmi gibi büyüklükler "ne kadar yakın" demektir (güç); mesafe, maliyet ya da süre gibi büyüklükler "ne kadar uzak" demektir (uzaklık). Aynı sayı iki yönde çevrilir: en kısa yol hesabı uzaklıkla, topluluk ve PageRank güçle çalışır. Yanlış seçilmiş anlam, örnekte (benzetilmiş ağırlıklarla) modülerliği 0{,}4663 (4 topluluk) yerine 0{,}4201 (6 topluluk) yapar (166.7).
166.4.3 Düğüm düzeyi ölçüler
Aşağıda A_{ij}=1 kenar varsa 1, yoksa 0; k_i düğüm derecesi; d_{ij} i'den j'ye en kısa yol uzunluğu (ağırlıklıda d toplamı).
Derece ve güç. k_i=\sum_jA_{ij} (yönlüde giriş k_i^{\mathrm{in}} ve çıkış k_i^{\mathrm{out}} ayrı), güç s_i=\sum_jw_{ij} (ağırlıklıda; yönlüde yine giriş/çıkış). Çizgeden yalnız birleştirilmiş kenarlar sayılır (159–166).
Aradalık (Freeman, 1977; Brandes, 2001): düğümün başka çiftlerin en kısa yolları üzerinde bulunma ölçüsü.
- \sigma_{st}: s'den t'ye giden en kısa yol sayısı; \sigma_{st}(i): bunlardan i'den geçenler.
- Yönsüz ağda her çift bir kez sayılır; yönlüde sıralı çiftler.
aradalikham toplamdır,aradalik_norm[0{,}1] aralığına ölçeklenmiş hâlidir (170–171).
Yakınlık (Freeman, 1978): C_i=\dfrac{r_i}{\sum_{j\ne i,\ d_{ij}<\infty}d_{ij}}; r_i i'den ulaşılabilen düğüm sayısı (yönlüde çıkış yönünde; 183). Ağ bağlıysa r_i=n-1, yani ortalama uzaklığın tersidir. Ağ bağlı değilse yalnız ulaşılabilen düğümlere bakılır. Hiçbir düğüme ulaşamayan düğümde değer NaN'dır.
Harmonik merkezilik (Boldi ve Vigna, 2014): H_i=\sum_{j\ne i}\dfrac1{d_{ij}}, ulaşılamayan çift için 1/\infty=0. Normalleştirilmemiş toplamdır (örnekte 1. düğümde 23{,}17); bağlı olmayan ağlarda tanımlı ve karşılaştırılabilir kalan tek yakınlık ölçüsüdür (173).
Özvektör merkeziliği (Bonacich, 1972): komşularının merkeziliğiyle orantılı merkezilik. \mathbf x, güç matrisi \mathbf S=(s_{ij})'nin en büyük özdeğerine ait özvektördür ve en büyük değeri 1 olacak biçimde ölçeklenir (187):
- \lambda: \mathbf S'nin en büyük özdeğeri. Yönlüde toplam gelen bağlar üzerindendir (s_{ji}: j\to i).
- Bağlı olmayan ağda özvektör yalnız en büyük özdeğerli bileşende sıfırdan farklıdır; öteki bileşenler 0 alır. Döngüsüz yönlü ağda tanımsızdır: şablon
is_dagile bunu saptar, sütunu boş (NA) bırakır ve uyarı yazar (188–191).
PageRank (Brin ve Page, 1998; d=0{,}85): rastgele gezginin kararlı dağılımı. Gezgin her adımda olasılık d ile çıkış güçlerine orantılı bir bağdan gider, 1-d ile rastgele düğüme sıçrar; çıkış bağı olmayan düğüm ("sarkan") düzgün dağılıma atlar.
- \mathbf p: PageRank vektörü, toplamı 1. \mathbf T: satır toplamı 1 olan geçiş matrisi. Yönsüz ağda her kenar iki yönde sayılır.
Yerel kümelenme (Watts ve Strogatz, 1998): düğümün komşularının birbirine bağlı olma oranı:
- t_i: i'yi içeren üçgen sayısı; k_i: yönsüz (yönlü ağda çökertilmiş) derece. k_i<2 ise c_i tanımsızdır (
NaN): tabloNaNyazar, ağ düzeyinde iki ayrı ortalama verilir (166.4.4). - Kümelenme yönlü ağda da çökertilmiş yönsüz ağ üzerinde hesaplanır (193).
166.4.4 Ağ düzeyi ölçüler
| Ölçü | Tanım | Satır |
|---|---|---|
| Yoğunluk | m/\binom n2 (yönlüde m/[n(n-1)]) | 248 |
| Geçişkenlik (küresel kümelenme) | 3\times(üçgen sayısı)/(bağlı üçlü sayısı) | 249 |
| Ortalama yerel kümelenme | \bar c; derece <2 olanlar hariç (hariç) ve sıfır sayılarak (sıfır) | 250–251 |
| Çap | en büyük sonlu d_{ij} | 252 |
| Ortalama en kısa yol | sonlu d_{ij}'lerin ortalaması | 253 |
| Bileşen sayısı, en büyük bileşen | zayıf bağlı bileşenler | 254–255 |
| Derece birlikteliği | Newman'ın r'si: bağın iki ucundaki derecelerin Pearson korelasyonu | 256 |
| Derece merkezileşmesi | \sum_i(k_{\max}-k_i)\big/[(n-1)(n-2)] | 257 |
| Karşılıklılık (yönlü) | karşılıklı kenarların kenarlara oranı | 258 |
| Modülerlik Q ve topluluk sayısı | 166.4.5 | 260–261 |
- Derece birlikteliği (Newman, 2002; 2003): yönsüzde r=\operatorname{corr}(k_u,k_v) bağların iki ucu üzerinden; yönlüde kaynağın çıkış, hedefin giriş derecesi. r<0: yüksek dereceli düğümler düşük dereceli düğümlere bağlanır (merkez–çevre yapısı); r>0: benzerler birbirine bağlanır. Yıldız ağında r=-1 (örnek denemesi).
- Derece merkezileşmesi (Freeman): en çok bağlı düğümle öteki düğümler arasındaki derece farkının toplamı, aynı düğüm sayılı yıldız ağının değerine bölünür; 0 düzgün, 1 yıldız.
centr_degree(mode = "all", loops = FALSE)ile hesaplanır: yönlü ağda toplam (giriş+çıkış) derece kullanılır ve payda 2(n-1)(n-2)'dir.
Neden iki ortalama yerel kümelenme
k_i<2 olan düğümün kümelenmesi tanımsızdır. "Hariç" ortalama bu düğümleri atar (örnekte 12. düğüm k=1, bir düğüm atılır: 0{,}5879); "sıfır" ortalama onları c_i=0 sayar (0{,}5706). Literatür ikisini de kullanır; bu yüzden şablon ikisini de yazar.
Çap ve ortalama yol bağlı olmayan ağda bileşenler içinde hesaplanır (unconnected = TRUE; 223–224). Ağırlıklı ağda yol uzunluğu uzaklık toplamıdır.
166.4.5 Topluluk bulma ve modülerlik
Bir bölünmenin kalitesi modülerlikle ölçülür (Newman ve Girvan, 2004):
- c: topluluk; L_c: topluluk içi kenarların (ağırlıkların) toplamı; S_c: topluluktaki düğümlerin derecelerinin (güçlerinin) toplamı; M: toplam kenar (ağırlık) sayısı.
- Q topluluk içi bağların, aynı derecelerle rastgele bağlanmış bir ağda beklenenden ne kadar fazla olduğunu ölçer; 0 rastgele, \approx0{,}3 üstü belirgin topluluk yapısı.
Şablonun yöntemleri (192–207):
| Yöntem | Ne yapar | Ağ türü |
|---|---|---|
louvain |
Modülerliği açgözlü olarak düğüm taşıyarak ve toplulukları birleştirerek yükseltir (Blondel ve ark., 2008); cozunurluk \gamma ile Q_\gamma (Reichardt ve Bornholdt, 2006) |
yönlüde yönsüz çökertilmiş ağ |
walktrap |
Kısa rastgele yürüyüşlerle benzerlik, hiyerarşik birleştirme (Pons ve Latapy, 2006) | özgün çizgede; yönlüde sonuç çökertilmiş ağdakinden farklıdır |
fast_greedy |
Modülerliği en çok artıran çiftleri birleştirir (Clauset ve ark., 2004) | yönlüde yönsüz çökertilmiş |
edge_betweenness |
En yüksek kenar aradalıklı kenarı çıkarır, Q'yu en büyük bölmeyi seçer (Girvan–Newman; Newman ve Girvan, 2004) | yön duyarlı |
optimal |
Q'yu kesin en büyükler (tamsayı programlama; n\le50) (Brandes ve ark., 2008) | yönlüde çökertilmiş |
yok |
Topluluk bulunmaz | — |
Koddaki tercih
Yönlü ağda Louvain, hızlı açgözlü ve kesin eniyileme yönsüz çökertilmiş çizge (as_undirected(mode = "collapse"), ağırlıklar toplanır) üzerinde çalışır (209, 214–215); walktrap, edge_betweenness ise özgün çizgede çağrılır (231, 233) ve bu durum bir notla bildirilir (218–219). Modülerlik her yöntem için çökertilmiş yönsüz çizgede modularity(gu, uye, weights = guc_u) ile hesaplanır (239); yönlü modülerlik (Leicht–Newman) kullanılmaz. Louvain'in \gamma'sı Q'ya girmez: raporlanan Q standart (\gamma=1) modülerliktir. Ağırlıklarda "uzaklık" seçiliyse güç 1/w'dir (210).
Neden birden çok topluluk yöntemi
Hiçbir yöntem genel olarak en iyi değildir: optimal kesin ama küçük ağlar içindir; Louvain büyük ağlarda hızlıdır ama tohuma bağlı sonuç verir; walktrap ve edge_betweenness hiyerarşi kurar. Modülerlik çözünürlük sınırına da sahiptir (Fortunato ve Barthélemy, 2007): çok büyük ağlarda küçük topluluklar birleşebilir; \gamma bunu ayarlamak içindir. Örnekte aynı ağda Q değerleri 0{,}3532 (walktrap) ile 0{,}4198 (Louvain, kesin eniyileme) arasındadır (166.7).
166.4.6 Çizimler
Ağ çizimi. Fruchterman–Reingold yerleşimi (Fruchterman ve Reingold, 1991; layout_with_fr, kenar güçleri en büyüğe bölünerek ağırlık verilir; 283). Düğüm yarıçapı 4+10\sqrt{k_i/k_{\max}}, rengi topluluk (Okabe–Ito paleti, 8 renkten sonra yinelenir), kenar kalınlığı güçle 0{,}5+2{,}5\,s/s_{\max} (289–291). Yalnız derecesi en yüksek etiket_sayisi düğümün adı yazılır (286–287). Derece dağılımı. Her derece değeri için düğüm sayısı çubuk grafiği (297–299). Yerleşim rastgele başlatılır ve tohuma bağlıdır; iki ayrı tohumda çizim farklı görünür, sayısal sonuç değişmez (Louvain hariç).
166.5 Kod adım adım
| Satırlar | Ne yapar | Neden / dikkat |
|---|---|---|
| 1–102 | Üstbilgi: 13 parametre; yan dosya alanı (sas_dosyasi) kitap dışıdır (Bölüm 1.1). |
Örnek ayar karate ağını Louvain ile çalıştırır. |
| 103–116 | igraph yüklenir (kurulu değilse paket kurulum iletisi); veri denetimi. |
Paket eksikse ileti R konsolu komutunu yazar. |
| 117–130 | Kenar listesi okuma: ad kırpma, eksik/sonsuz ağırlıklı satırların çıkarılması. | bos() boş seçim ya da boş metni yakalar. |
| 131–145 | Komşuluk matrisi okuma: sayısal matris, kare denetimi, ad denetimi, yönsüzde üst üçgen. | Matris simetrik değilse yalnız not. |
| 146–155 | Ağırlıklı mı, w\le0 ve öz döngü temizliği, düğüm sırası. | Sayısal adlar sayısal sırada (157). |
| 156–168 | Çizge kurulur, yinelenenler birleştirilir (ağırlıksızda weight silinir), n\ge3 denetimi. |
Ağırlıksız ağda çokluk ağırlık sayılmaz. |
| 169–177 | Ağırlık anlamı; d ve s vektörleri; bildirim satırı. | uzak/guc ağırlıksızda NULL. |
| 179–205 | Düğüm düzeyi ölçüler ve tablo sütunları. | Yönlüde giriş/çıkış dereceleri ayrı. Yakınlık notları 184–185; döngüsüz yönlüde özvektör boş, uyarı 188–191. |
| 206–242 | Topluluk bulma (Louvain için yeniden başlatma döngüsü), modülerlik, topluluk sütunu, "Düğüm düzeyi" tablosu. | Tohum 208; modularity her yöntemde yönsüz çökertilmiş çizgede. |
| 244–266 | Ağ düzeyi ölçüler tablosu ve bağlılık notu. | İki ortalama yerel kümelenme. |
| 268–278 | Topluluk üyeleri tablosu; en yüksek aradalıklı beş düğüm. | Üye listesi en çok 60 ad. |
| 280–301 | Ağ çizimi ve derece dağılımı. | tryCatch ile hata sessizdir: çizim başarısız olursa şekil çıkmaz, ileti yazılmaz. |
166.6 Elle hesap: örnek veride bağımsız yeniden hesap
Ara değerler dogrulama/sosyal_ag_analizi/elle_hesap.py (yalnız numpy; igraph ve şablon çağrılmaz) ve r_dogrulama.R (yalnız temel R: eigen, solve, Floyd–Warshall, açık formüller) ile hesaplanmıştır.
Adım 1 — Ağ. Kenar listesinden n=34, m=78; yoğunluk 78/561=0{,}139037 (şablon: 0{,}139037).
Adım 2 — Aradalık (Brandes). Her kaynaktan Dijkstra, en kısa yol sayıları ve bağımlılık birikimi. 1. düğüm için B_1=231{,}071429; (n-1)(n-2)/2=528 ile B_1^{\ast}=0{,}437635. 34. düğüm için B=160{,}551587 (0{,}304075). Şablonun tablosuyla 10^{-12} içinde aynıdır.
Adım 3 — Yakınlık ve harmonik. 1. düğümde \sum_jd_{1j}=58 ve r=33: C_1=33/58=0{,}568966; H_1=23{,}166667. 34. düğüm: 0{,}550000 ve 23{,}250000.
Adım 4 — Özvektör ve PageRank. Komşuluk matrisinin en büyük özdeğerinin özvektörü en büyüğü 1 olacak biçimde ölçeklenir: 34. düğüm 1, 1. düğüm 0{,}952132. PageRank (\mathbf I-d\mathbf T^{\!\top})\mathbf p=\frac{1-d}{n}\mathbf 1 doğrusal sisteminden: 1. düğüm 0{,}096997, 34. düğüm 0{,}100919.
Adım 5 — Kümelenme. 1. düğüm: derece 16, komşuları arasında 18 kenar: c_1=2\cdot18/(16\cdot15)=0{,}15; geçişkenlik 0{,}255682; ortalama yerel kümelenme 0{,}587931 (hariç) ve 0{,}570638 (sıfır).
Adım 6 — Yol ve derece ölçüleri. Çap 5; ortalama yol 2{,}408200; derece birlikteliği r=-0{,}475613 (literatür: -0{,}476, Ngo ve ark., 2020); derece merkezileşmesi 0{,}399621.
Adım 7 — Topluluk. Kendi Girvan–Newman uygulamam (her adımda tüm en kısa yol payıyla kenar aradalığı, en yüksek kenarı çıkarma, bileşenlerin Q'su) en büyük modülerliği 5 toplulukta Q=0{,}401298 olarak bulur; şablonun edge_betweenness sonucu ve Newman ve Girvan'ın (2004) 0{,}401'i aynıdır. Louvain'in bulduğu bölünmenin modülerliğini üyelikten yeniden hesaplamak Q=0{,}419790 verir; optimal aynı değeri verir ve Brandes ve ark.'nın (2008) kesin en iyi değeri 0{,}4198'dir.
Adım 8 — Ağırlıklı ve yönlü ağlar. Benzetilmiş ağırlıklı karatede (w\in\{1,\dots,5\}), bağ gücü anlamıyla 1. düğüm için aradalık 270{,}0, yakınlık 1{,}780576, harmonik 74{,}095396, özvektör 0{,}872781, PageRank 0{,}100293; uzaklık anlamıyla 207{,}7, 0{,}246269, 10{,}471825, 0{,}623969, 0{,}084079. Yönlü ağda (20 düğüm, 53 kenar): karşılıklılık 8/53=0{,}150943, derece birlikteliği -0{,}167382, merkezileşme 0{,}166667 (payda 2(n-1)(n-2)). Bağlı olmayan ağda (3 bileşen) çap 2 ve ortalama yol 1{,}294118 bileşenler içindir, 1. düğüm yakınlığı 0{,}666667.
166.6.1 Doğrulama: MerQuR+, Python ve R
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | Ölçüt | |
|---|---|---|---|---|---|---|
| Karate, yönsüz: aradalık, toplam | 790 | 790 | 790 | 1,2e−15 | 1e−6 | ✓ |
| Karate, yönsüz: aradalık, kareler toplamı | 99532,96506299 | 99532,96506299 | 99532,96506299 | 4,5e−15 | 1e−6 | ✓ |
| Karate, yönsüz: aradalık, ilk düğüm | 231,07142857 | 231,07142857 | 231,07142857 | 4,4e−15 | 1e−6 | ✓ |
| Karate, yönsüz: normalleştirilmiş aradalık, toplam | 1,49621212 | 1,49621212 | 1,49621212 | 5,9e−16 | 1e−6 | ✓ |
| Karate, yönsüz: normalleştirilmiş aradalık, kareler toplamı | 0,35702539 | 0,35702539 | 0,35702539 | 4,4e−16 | 1e−6 | ✓ |
| Karate, yönsüz: normalleştirilmiş aradalık, ilk düğüm | 0,43763528 | 0,43763528 | 0,43763528 | 4,4e−16 | 1e−6 | ✓ |
| Karate, yönsüz: yakınlık, toplam | 14,50030751 | 14,50030751 | 14,50030751 | 1,2e−16 | 1e−6 | ✓ |
| Karate, yönsüz: yakınlık, kareler toplamı | 6,35559499 | 6,35559499 | 6,35559499 | 1,4e−16 | 1e−6 | ✓ |
| Karate, yönsüz: yakınlık, ilk düğüm | 0,56896552 | 0,56896552 | 0,56896552 | 3,3e−16 | 1e−6 | ✓ |
| Karate, yönsüz: harmonik merkezilik, toplam | 552,03333333 | 552,03333333 | 552,03333333 | 8,2e−16 | 1e−6 | ✓ |
| Karate, yönsüz: harmonik merkezilik, kareler toplamı | 9230,44388889 | 9230,44388889 | 9230,44388889 | 1,2e−15 | 1e−6 | ✓ |
| Karate, yönsüz: harmonik merkezilik, ilk düğüm | 23,16666667 | 23,16666667 | 23,16666667 | 1,5e−15 | 1e−6 | ✓ |
| Karate, yönsüz: özvektör merkeziliği, toplam | 13,3328103 | 13,3328103 | 13,3328103 | 8,0e−16 | 1e−6 | ✓ |
| Karate, yönsüz: özvektör merkeziliği, kareler toplamı | 7,17358669 | 7,17358669 | 7,17358669 | 1,7e−15 | 1e−6 | ✓ |
| Karate, yönsüz: özvektör merkeziliği, ilk düğüm | 0,95213237 | 0,95213237 | 0,95213237 | 2,0e−15 | 1e−6 | ✓ |
| Karate, yönsüz: PageRank, toplam | 1 | 1 | 1 | 7,8e−16 | 1e−6 | ✓ |
| Karate, yönsüz: PageRank, kareler toplamı | 0,04557171 | 0,04557171 | 0,04557171 | 5,6e−17 | 1e−6 | ✓ |
| Karate, yönsüz: PageRank, ilk düğüm | 0,09699729 | 0,09699729 | 0,09699729 | 9,7e−17 | 1e−6 | ✓ |
| Karate, yönsüz: yerel kümelenme, toplam | 19,40170826 | 19,40170826 | 19,40170826 | 1,8e−16 | 1e−6 | ✓ |
| Karate, yönsüz: yerel kümelenme, kareler toplamı | 15,05432605 | 15,05432605 | 15,05432605 | 0 | 1e−6 | ✓ |
| Karate, yönsüz: yerel kümelenme, ilk düğüm | 0,15 | 0,15 | 0,15 | 0 | 1e−6 | ✓ |
| Karate, yönsüz: derece, toplam | 156 | 156 | 156 | 0 | 1e−6 | ✓ |
| Karate, yönsüz: Düğüm sayısı | 34 | 34 | 34 | 0 | 1e−6 | ✓ |
| Karate, yönsüz: Kenar sayısı | 78 | 78 | 78 | 0 | 1e−6 | ✓ |
| Karate, yönsüz: Yoğunluk | 0,13903743 | 0,13903743 | 0,13903743 | 2,2e−16 | 1e−6 | ✓ |
| Karate, yönsüz: Geçişkenlik (küresel kümelenme) | 0,25568182 | 0,25568182 | 0,25568182 | 1,7e−16 | 1e−6 | ✓ |
| Karate, yönsüz: Ortalama yerel kümelenme (derece < 2 hariç) | 0,58793055 | 0,58793055 | 0,58793055 | 2,2e−16 | 1e−6 | ✓ |
| Karate, yönsüz: Ortalama yerel kümelenme (derece < 2 sıfır) | 0,57063848 | 0,57063848 | 0,57063848 | 3,3e−16 | 1e−6 | ✓ |
| Karate, yönsüz: Çap | 5 | 5 | 5 | 0 | 1e−6 | ✓ |
| Karate, yönsüz: Ortalama en kısa yol | 2,40819964 | 2,40819964 | 2,40819964 | 5,5e−16 | 1e−6 | ✓ |
| Karate, yönsüz: Bileşen sayısı | 1 | 1 | 1 | 0 | 1e−6 | ✓ |
| Karate, yönsüz: En büyük bileşen (düğüm) | 34 | 34 | 34 | 0 | 1e−6 | ✓ |
| Karate, yönsüz: Derece birlikteliği (assortativity) | −0,4756131 | −0,4756131 | −0,4756131 | 1,1e−16 | 1e−6 | ✓ |
| Karate, yönsüz: Derece merkezileşmesi | 0,39962121 | 0,39962121 | 0,39962121 | 1,1e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): aradalık, toplam | 1026,5 | 1026,5 | 1026,5 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): aradalık, kareler toplamı | 1,511638·105 | 1,511638·105 | 1,511638·105 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): aradalık, ilk düğüm | 270 | 270 | 270 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): normalleştirilmiş aradalık, toplam | 1,94412879 | 1,94412879 | 1,94412879 | 5,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): normalleştirilmiş aradalık, kareler toplamı | 0,54222534 | 0,54222534 | 0,54222534 | 6,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): normalleştirilmiş aradalık, ilk düğüm | 0,51136364 | 0,51136364 | 0,51136364 | 3,3e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): yakınlık, toplam | 43,08860275 | 43,08860275 | 43,08860275 | 8,2e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): yakınlık, kareler toplamı | 56,71159308 | 56,71159308 | 56,71159308 | 1,3e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): yakınlık, ilk düğüm | 1,78057554 | 1,78057554 | 1,78057554 | 2,7e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): harmonik merkezilik, toplam | 1708,32932127 | 1708,32932127 | 1708,32932127 | 2,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): harmonik merkezilik, kareler toplamı | 90655,8196755 | 90655,8196755 | 90655,8196755 | 4,8e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): harmonik merkezilik, ilk düğüm | 74,09539558 | 74,09539558 | 74,09539558 | 5,8e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): özvektör merkeziliği, toplam | 12,57911784 | 12,57911784 | 12,57911784 | 6,4e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): özvektör merkeziliği, kareler toplamı | 6,61861742 | 6,61861742 | 6,61861742 | 9,9e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): özvektör merkeziliği, ilk düğüm | 0,87278088 | 0,87278088 | 0,87278088 | 1,1e−14 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): PageRank, toplam | 1 | 1 | 1 | 3,3e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): PageRank, kareler toplamı | 0,04669661 | 0,04669661 | 0,04669661 | 4,2e−17 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): PageRank, ilk düğüm | 0,10029333 | 0,10029333 | 0,10029333 | 3,2e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): yerel kümelenme, toplam | 19,40170826 | 19,40170826 | 19,40170826 | 1,8e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): yerel kümelenme, kareler toplamı | 15,05432605 | 15,05432605 | 15,05432605 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): yerel kümelenme, ilk düğüm | 0,15 | 0,15 | 0,15 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): derece, toplam | 156 | 156 | 156 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): güç, toplam | 452 | 452 | 452 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Düğüm sayısı | 34 | 34 | 34 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Kenar sayısı | 78 | 78 | 78 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Yoğunluk | 0,13903743 | 0,13903743 | 0,13903743 | 2,2e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Geçişkenlik (küresel kümelenme) | 0,25568182 | 0,25568182 | 0,25568182 | 1,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Ortalama yerel kümelenme (derece < 2 hariç) | 0,58793055 | 0,58793055 | 0,58793055 | 2,2e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Ortalama yerel kümelenme (derece < 2 sıfır) | 0,57063848 | 0,57063848 | 0,57063848 | 3,3e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Çap | 2,11666667 | 2,11666667 | 2,11666667 | 1,5e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Ortalama en kısa yol | 0,82581699 | 0,82581699 | 0,82581699 | 4,0e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Bileşen sayısı | 1 | 1 | 1 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): En büyük bileşen (düğüm) | 34 | 34 | 34 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Derece birlikteliği (assortativity) | −0,4756131 | −0,4756131 | −0,4756131 | 1,1e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (bağ gücü): Derece merkezileşmesi | 0,39962121 | 0,39962121 | 0,39962121 | 1,1e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): aradalık, toplam | 1180,71666667 | 1180,71666667 | 1180,71666667 | 7,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): aradalık, kareler toplamı | 1,561179·105 | 1,561179·105 | 1,561179·105 | 1,5e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): aradalık, ilk düğüm | 207,7 | 207,7 | 207,7 | 1,4e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): normalleştirilmiş aradalık, toplam | 2,23620581 | 2,23620581 | 2,23620581 | 2,0e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): normalleştirilmiş aradalık, kareler toplamı | 0,5599958 | 0,5599958 | 0,5599958 | 1,1e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): normalleştirilmiş aradalık, ilk düğüm | 0,39337121 | 0,39337121 | 0,39337121 | 1,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): yakınlık, toplam | 6,64440392 | 6,64440392 | 6,64440392 | 2,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): yakınlık, kareler toplamı | 1,35710495 | 1,35710495 | 1,35710495 | 1,6e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): yakınlık, ilk düğüm | 0,24626866 | 0,24626866 | 0,24626866 | 1,1e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): harmonik merkezilik, toplam | 276,52202797 | 276,52202797 | 276,52202797 | 2,1e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): harmonik merkezilik, kareler toplamı | 2412,49174747 | 2412,49174747 | 2412,49174747 | 1,9e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): harmonik merkezilik, ilk düğüm | 10,4718254 | 10,4718254 | 10,4718254 | 3,4e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): özvektör merkeziliği, toplam | 10,60164282 | 10,60164282 | 10,60164282 | 4,5e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): özvektör merkeziliği, kareler toplamı | 5,04826905 | 5,04826905 | 5,04826905 | 7,9e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): özvektör merkeziliği, ilk düğüm | 0,62396878 | 0,62396878 | 0,62396878 | 6,0e−15 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): PageRank, toplam | 1 | 1 | 1 | 3,3e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): PageRank, kareler toplamı | 0,04574957 | 0,04574957 | 0,04574957 | 6,9e−17 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): PageRank, ilk düğüm | 0,08407936 | 0,08407936 | 0,08407936 | 5,6e−17 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): yerel kümelenme, toplam | 19,40170826 | 19,40170826 | 19,40170826 | 1,8e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): yerel kümelenme, kareler toplamı | 15,05432605 | 15,05432605 | 15,05432605 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): yerel kümelenme, ilk düğüm | 0,15 | 0,15 | 0,15 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): derece, toplam | 156 | 156 | 156 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): güç, toplam | 452 | 452 | 452 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Düğüm sayısı | 34 | 34 | 34 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Kenar sayısı | 78 | 78 | 78 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Yoğunluk | 0,13903743 | 0,13903743 | 0,13903743 | 2,2e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Geçişkenlik (küresel kümelenme) | 0,25568182 | 0,25568182 | 0,25568182 | 1,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Ortalama yerel kümelenme (derece < 2 hariç) | 0,58793055 | 0,58793055 | 0,58793055 | 2,2e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Ortalama yerel kümelenme (derece < 2 sıfır) | 0,57063848 | 0,57063848 | 0,57063848 | 3,3e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Çap | 14 | 14 | 14 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Ortalama en kısa yol | 5,37433155 | 5,37433155 | 5,37433155 | 1,7e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Bileşen sayısı | 1 | 1 | 1 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): En büyük bileşen (düğüm) | 34 | 34 | 34 | 0 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Derece birlikteliği (assortativity) | −0,4756131 | −0,4756131 | −0,4756131 | 1,1e−16 | 1e−6 | ✓ |
| Karate, ağırlıklı (uzaklık): Derece merkezileşmesi | 0,39962121 | 0,39962121 | 0,39962121 | 1,1e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): aradalık, toplam | 567 | 567 | 567 | 2,0e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): aradalık, kareler toplamı | 37661,25777778 | 37661,25777778 | 37661,25777778 | 3,9e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): aradalık, ilk düğüm | 22,66666667 | 22,66666667 | 22,66666667 | 1,6e−15 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): normalleştirilmiş aradalık, toplam | 1,65789474 | 1,65789474 | 1,65789474 | 2,7e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): normalleştirilmiş aradalık, kareler toplamı | 0,32199017 | 0,32199017 | 0,32199017 | 2,2e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): normalleştirilmiş aradalık, ilk düğüm | 0,0662768 | 0,0662768 | 0,0662768 | 2,8e−17 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): yakınlık, toplam | 6,89903296 | 6,89903296 | 6,89903296 | 2,6e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): yakınlık, kareler toplamı | 2,76882414 | 2,76882414 | 2,76882414 | 1,6e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): yakınlık, ilk düğüm | 0,47368421 | 0,47368421 | 0,47368421 | 2,2e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): harmonik merkezilik, toplam | 151,31666667 | 151,31666667 | 151,31666667 | 5,6e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): harmonik merkezilik, kareler toplamı | 1324,10361111 | 1324,10361111 | 1324,10361111 | 6,9e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): harmonik merkezilik, ilk düğüm | 10 | 10 | 10 | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): özvektör merkeziliği, toplam | 9,72079666 | 9,72079666 | 9,72079666 | 9,1e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): özvektör merkeziliği, kareler toplamı | 6,53939923 | 6,53939923 | 6,53939923 | 1,8e−15 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): özvektör merkeziliği, ilk düğüm | 0,20322454 | 0,20322454 | 0,20322454 | 2,8e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): PageRank, toplam | 1 | 1 | 1 | 4,4e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): PageRank, kareler toplamı | 0,06885872 | 0,06885872 | 0,06885872 | 2,8e−17 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): PageRank, ilk düğüm | 0,02067714 | 0,02067714 | 0,02067714 | 9,7e−17 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): yerel kümelenme, toplam | 6,43412698 | 6,43412698 | 6,43412698 | 1,4e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): yerel kümelenme, kareler toplamı | 2,64357206 | 2,64357206 | 2,64357206 | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): yerel kümelenme, ilk düğüm | 0,4 | 0,4 | 0,4 | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): giriş derecesi, toplam | 53 | 53 | — | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): çıkış derecesi, toplam | 53 | 53 | — | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Düğüm sayısı | 20 | 20 | 20 | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Kenar sayısı | 53 | 53 | 53 | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Yoğunluk | 0,13947368 | 0,13947368 | 0,13947368 | 3,1e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Geçişkenlik (küresel kümelenme) | 0,27822581 | 0,27822581 | 0,27822581 | 1,1e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Ortalama yerel kümelenme (derece < 2 hariç) | 0,33863826 | 0,33863826 | 0,33863826 | 1,7e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Ortalama yerel kümelenme (derece < 2 sıfır) | 0,32170635 | 0,32170635 | 0,32170635 | 2,2e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Çap | 6 | 6 | 6 | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Ortalama en kısa yol | 2,74461538 | 2,74461538 | 2,74461538 | 1,6e−15 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Bileşen sayısı | 1 | 1 | 1 | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): En büyük bileşen (düğüm) | 20 | 20 | 20 | 0 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Derece birlikteliği (assortativity) | −0,16738154 | −0,16738154 | −0,16738154 | 5,6e−17 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Derece merkezileşmesi | 0,16666667 | 0,16666667 | 0,16666667 | 3,3e−16 | 1e−6 | ✓ |
| Yönlü ağ (20 düğüm): Karşılıklılık | 0,1509434 | 0,1509434 | 0,1509434 | 8,3e−17 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): aradalık, toplam | 5 | 5 | 5 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): aradalık, kareler toplamı | 5 | 5 | 5 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): aradalık, ilk düğüm | 1 | 1 | 1 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): normalleştirilmiş aradalık, toplam | 0,11111111 | 0,11111111 | 0,11111111 | 1,2e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): normalleştirilmiş aradalık, kareler toplamı | 0,00246914 | 0,00246914 | 0,00246914 | 5,2e−18 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): normalleştirilmiş aradalık, ilk düğüm | 0,02222222 | 0,02222222 | 0,02222222 | 2,4e−17 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): yakınlık, toplam | 9,33333333 | 9,33333333 | 9,33333333 | 3,8e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): yakınlık, kareler toplamı | 8,22222222 | 8,22222222 | 8,22222222 | 4,3e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): yakınlık, ilk düğüm | 0,66666667 | 0,66666667 | 0,66666667 | 3,3e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): harmonik merkezilik, toplam | 29 | 29 | 29 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): harmonik merkezilik, kareler toplamı | 83 | 83 | 83 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): harmonik merkezilik, ilk düğüm | 3 | 3 | 3 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): özvektör merkeziliği, toplam | 4 | 4 | 4 | 2,2e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): özvektör merkeziliği, kareler toplamı | 4 | 4 | 4 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): özvektör merkeziliği, ilk düğüm | 2,220446·10−16 | 0 | 0 | 2,2e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): PageRank, toplam | 1 | 1 | 1 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): PageRank, kareler toplamı | 0,09090909 | 0,09090909 | 0,09090909 | 1,4e−17 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): PageRank, ilk düğüm | 0,09090909 | 0,09090909 | 0,09090909 | 1,4e−17 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): yerel kümelenme, toplam | 4 | 4 | 4 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): yerel kümelenme, kareler toplamı | 4 | 4 | 4 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): yerel kümelenme, ilk düğüm | 0 | 0 | 0 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): derece, toplam | 24 | 24 | 24 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Düğüm sayısı | 11 | 11 | 11 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Kenar sayısı | 12 | 12 | 12 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Yoğunluk | 0,21818182 | 0,21818182 | 0,21818182 | 1,7e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Geçişkenlik (küresel kümelenme) | 0,70588235 | 0,70588235 | 0,70588235 | 1,0e−15 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Ortalama yerel kümelenme (derece < 2 hariç) | 0,44444444 | 0,44444444 | 0,44444444 | 4,4e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Ortalama yerel kümelenme (derece < 2 sıfır) | 0,36363636 | 0,36363636 | 0,36363636 | 3,3e−16 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Çap | 2 | 2 | 2 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Ortalama en kısa yol | 1,29411765 | 1,29411765 | 1,29411765 | 2,7e−15 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Bileşen sayısı | 3 | 3 | 3 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): En büyük bileşen (düğüm) | 5 | 5 | 5 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Derece birlikteliği (assortativity) | 1 | 1 | 1 | 0 | 1e−6 | ✓ |
| Bağlı olmayan ağ (3 bileşen): Derece merkezileşmesi | 0,1 | 0,1 | 0,1 | 0 | 1e−6 | ✓ |
| Karate, Louvain: modülerlik (üyelikten bağımsız yeniden hesap) | 0,41978961 | 0,41978961 | — | 3,9e−16 | 1e−6 | ✓ |
| Karate, walktrap: modülerlik (üyelikten bağımsız yeniden hesap) | 0,35322156 | 0,35322156 | — | 3,9e−16 | 1e−6 | ✓ |
| Karate, hızlı açgözlü: modülerlik (üyelikten bağımsız yeniden hesap) | 0,38067061 | 0,38067061 | — | 2,2e−16 | 1e−6 | ✓ |
| Karate, kenar aradalığı: modülerlik (üyelikten bağımsız yeniden hesap) | 0,40129849 | 0,40129849 | — | 4,4e−16 | 1e−6 | ✓ |
| Karate, kesin eniyileme: modülerlik (üyelikten bağımsız yeniden hesap) | 0,41978961 | 0,41978961 | — | 3,9e−16 | 1e−6 | ✓ |
| Karate, kesin eniyileme: modülerlik (Brandes ve ark., 2008: 0,4198) | 0,41978961 | 0,4198 | — | 1,0e−5 | 1e−4 | ✓ |
| Karate, kenar aradalığı: modülerlik (bağımsız Girvan–Newman uygulaması) | 0,40129849 | 0,40129849 | 0,401 | 3,0e−4 | 1e−3 | ✓ |
| Karate, kenar aradalığı: topluluk sayısı | 5 | 5 | 5 | 0 | 1e−6 | ✓ |
| Karate: derece birlikteliği (Newman, 2002; Ngo ve ark. 2020: −0,476) | −0,4756131 | −0,4756131 | −0,476 | 3,9e−4 | 1e−3 | ✓ |
Ölçütü karşılayan: 183/183. Bağımsız Python: yalnız numpy (Brandes aradalığı, Dijkstra/Floyd–Warshall uzaklıkları, özdeğer ayrışımı, PageRank doğrusal sistemi, kümelenme, modülerlik, Girvan–Newman). Bağımsız R: yalnız temel R (eigen, solve, Floyd–Warshall, açık formüller). Düğüm ölçüleri için her ölçüt üç satırdır: düğümler üzerinden toplam, kareler toplamı (sıra karışmasını yakalar) ve ilk düğüm. Louvain ve walktrap bölünmeleri bağımsız hesaplanmaz; yalnız üyelikten modülerlik yeniden hesaplanır. Aradalık biçimi: ham değer ve (n-1)(n-2)/2'ye (yönlüde (n-1)(n-2)) bölünmüş.
Ek denetimler: (i) Zachary ağının düğüm ve kenar sayısı (34; 78), kesin eniyileme modülerliği (0{,}4198), kenar aradalığı modülerliği (0{,}401) ve derece birlikteliği (-0{,}476) belgelenmiş değerlerle uyuşur. (ii) Yinelenen kenarlı ağırlıksız ağda (p4_sa_yinelenen1) bütün ölçüler yinelenen kenarın tek kenara indirildiği ağın ölçüleriyle aynıdır (fark 10^{-12}'nin altında); çokluk ağırlık sayılmaz. (iii) Döngüsüz yönlü ağda özvektör sütunu boştur ve uyarı yazılır.
166.7 Çıktıyı okuma
Örnek ayarın konsol çıktısı (p4_sa_ornek):
Ağ: 34 düğüm, 78 kenar; yönsüz; ağırlıksız.
Aradalığı en yüksek düğümler: 1 (0,438), 34 (0,304), 33 (0,145), 3 (0,144), 32 (0,138).
Tablolar (kısaltılmış; ondalık nokta tablodaki gibi):
Düğüm düzeyi merkezilik ölçüleri (ilk satırlar)
dugum derece aradalik aradalik_norm yakinlik harmonik ozvektor pagerank yerel_kumelenme bilesen topluluk
1 16 231.0714 0.437635 0.568966 23.16667 0.952132 0.096997 0.150000 1 1
2 9 28.4786 0.053937 0.485294 19.16667 0.712335 0.052877 0.333333 1 1
...
34 17 160.5516 0.304075 0.550000 23.25000 1.000000 0.100919 0.110294 1 3
Ağ düzeyi ölçüler
Düğüm sayısı 34 · Kenar sayısı 78 · Yoğunluk 0.139037 · Geçişkenlik 0.255682
Ortalama yerel kümelenme (derece<2 hariç) 0.587931 · (derece<2 sıfır) 0.570638
Çap 5 · Ortalama en kısa yol 2.408200 · Bileşen sayısı 1 · En büyük bileşen 34
Derece birlikteliği -0.475613 · Derece merkezileşmesi 0.399621 · Modülerlik 0.419790 · Topluluk sayısı 4
Topluluklar (Louvain; modülerlik Q = 0,4198)
1 (11 üye) 1, 2, 3, 4, 8, 12, 13, 14, 18, 20, 22
2 ( 5 üye) 5, 6, 7, 11, 17
3 (12 üye) 9, 10, 15, 16, 19, 21, 23, 27, 30, 31, 33, 34
4 ( 6 üye) 24, 25, 26, 28, 29, 32
Şekil 166.1. Şablonun çizdiği ağ (örnek veri): renk topluluğu, düğüm büyüklüğü derecesini gösterir (1. ve 34. düğümler en büyük). Başlıkta Louvain bölünmesinin modülerliği Q=0{,}420 yazılıdır.

Şekil 166.2. Şablonun ikinci şekli: derece dağılımı (her derece değeri için düğüm sayısı).

| Öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
derece, guc |
Bağ sayısı; ağırlıklı ağda ağırlık toplamı | En çok bağlı düğüm (1: 16, 34: 17). Yönlüde derece_giris, derece_cikis. |
aradalik, aradalik_norm |
Başka çiftlerin en kısa yollarında bulunma | Köprü ve aracı düğümler. En yüksek değer 1. düğümde (normalleştirilmiş 0,438): iki topluluğu birbirine bağlayan aracıdır. 12. düğüm 0 (yaprak). |
yakinlik |
Ulaşılabilen düğümlere ortalama uzaklığın tersi | Büyük: ağın merkezine yakın. Ağırlıklı ağda 1'i aşabilir (şablon bu durumda not yazar). Bağlı değilse yalnız kendi bileşeninde. |
harmonik |
\sum 1/d | Bağlı olmayan ağda da tanımlı; karşılaştırma için en güvenilir yakınlık ölçüsü. |
ozvektor |
En büyüğü 1 olan özvektör merkeziliği | Önemli komşusu olan düğüm önemlidir. 34 ve 1 tepe (1; 0,952). Döngüsüz yönlüde tanımsızdır; sütun boş bırakılır. |
pagerank |
Rastgele yürüyüşte kalma olasılığı | Toplam 1. Yönlü ağda gelen bağlara yönelik. |
yerel_kumelenme |
Komşuların birbirine bağlanma oranı | Derece <2 ise NaN. 1. düğümde düşük (0,15): komşuları birbirine bağlı değil, köprü. |
bilesen |
Bileşen numarası | Bağlı olmayan ağda ayrı bileşenler. |
topluluk |
Topluluk numarası | Numara yalnız etikettir; sırası algoritmaya ve tohuma bağlıdır. |
Yoğunluk, Geçişkenlik |
Gerçek bağ oranı; küresel kümelenme | Düşük yoğunluk (0{,}14) ve orta geçişkenlik (0{,}26): sıkışık topluluklar, seyrek aralar. |
Çap, Ortalama en kısa yol |
En uzak ve ortalama mesafe | 5 ve 2,41: küçük dünya. |
Derece birlikteliği |
Uç dereceleri korelasyonu | -0{,}476: yüksek dereceliler düşük dereceli düğümlere bağlanır (kulüp, iki merkez çevresinde toplanır). |
Modülerlik |
Bölünme kalitesi | 0{,}42: belirgin topluluk yapısı. Yöntemler arasında karşılaştırılır (aşağıda). |
Yöntemlerin karşılaştırması (karate, tohum 1977).
| Yöntem | Q | Topluluk sayısı |
|---|---|---|
| Louvain (\gamma=1) | 0,419790 | 4 |
| Kesin eniyileme | 0,419790 | 4 |
| Kenar aradalığı | 0,401298 | 5 |
| Hızlı açgözlü | 0,380671 | 3 |
| Walktrap | 0,353222 | 5 |
| Louvain, \gamma=0{,}5 | 0,371795 | 2 |
| Louvain, \gamma=2 | 0,325362 | 8 |
Louvain'in sonucu tohuma bağlıdır: tohum 1–8 için Q=0{,}4188;\ 0{,}4156;\ 0{,}3937;\ 0{,}4198;\ 0{,}4198;\ 0{,}4151;\ 0{,}4198;\ 0{,}4156. Şablon bunu bir notla bildirir; "Louvain yeniden başlatma sayısı" alanı artırılırsa her başlatmanın modülerliği hesaplanır ve en yükseği tutulur (tohum 3 ile 30 başlatmada Q=0{,}4198). Küçük \gamma daha az, büyük \gamma daha çok topluluk üretir.
Rapor cümlesi. Zachary karate kulübü ağı (34 üye, 78 bağ; yönsüz, ağırlıksız) igraph ile çözümlenmiştir. Ağın yoğunluğu 0{,}14, geçişkenliği 0{,}26, çapı 5 ve ortalama en kısa yolu 2{,}41'dir; derece birlikteliği negatiftir (r=-0{,}48). En yüksek aradalık normalleştirilmiş değerle 1. (0{,}44) ve 34. üyededir (0{,}30). Louvain yöntemi (çözünürlük 1, tohum 1977) dört topluluk ve Q=0{,}420 bulmuştur; bu değer kesin eniyilemenin en iyi değeriyle (0{,}4198) aynıdır.
166.8 Sık hatalar ve tuzaklar
- Yinelenen kenarlar ağırlıksız ağda ölçüleri değiştirir. Kenar listesinde aynı bağ birden çok satırda geçiyorsa ("A–B" her ortak makale için bir satır), şablon "birleştirildi" der ama çokluk yol ölçülerinde uzaklık, özvektörde güç sayılır. Karatede tek bir tekrarlanan kenar aradalığı en çok 3{,}67, ortalama yolu 2{,}408'den 2{,}424'e değiştirdi. Çokluğu istiyorsanız ağırlık sütununa açıkça yazın, istemiyorsanız veriyi önceden tekilleştirin.
- Ağırlığın anlamı yanlış seçilirse sonuç değişir. Ağırlık "ortak makale sayısı" ise
guc, "kilometre" iseuzaklikseçilmelidir. Aynı ağırlıklarla karate için Q=0{,}4663 (güç) ve 0{,}4201 (uzaklık); aradalık 270{,}0 ve 207{,}7. - Sıfır ve negatif ağırlık. Ağırlıklı ağda w\le0 olan kenarlar çıkarılır (uyarıyla) ve düğüm ağdan düşebilir. Eksik ağırlık satırı da atılır (not yazılır).
- Ondalık virgüllü ağırlık.
1,5biçimli sütun metin olarak okunur ve ağırlık alanına atanamaz (form denetimi); veri sekmesinde ondalık ayracını düzeltin. - Kenar listesinde yalıtılmış düğüm olmaz. Hiç kenarı olmayan düğümü ağda göstermek için komşuluk matrisi girdisini kullanın. Yalıtılmış düğümde yakınlık
NaN'dır. - Matriste sütun sırası. Satırlarla seçilen sütunların aynı düğüm sırasını izlediği varsayılır; şablon denetlemez. Sütunları karıştırırsanız ağ yanlış kurulur. Düğüm adı sütunu yoksa adlar sütun adlarından gelir.
- Simetrik olmayan matris, yönsüz ağ. Yalnız üst üçgen kullanılır; alt üçgendeki kenar yok sayılır (not yazılır). Yönlü ağ için "Yönlü ağ" kutusunu açın. Yönlü bir veriyi yönsüz çalıştırınca karşılıklı kenarlar birleşir (örnekte 4 kenar).
- Düğüm adlarının sırası. Tüm adlar sayıya çevrilebiliyorsa sayısal sıra, değilse alfabetik:
K10,K2veK1adlarıK1,K10,K2sırasında çıkar; sıra yalnız tablo ve çizim sırasını belirler. - Louvain tohuma bağlıdır. Aynı ağ için farklı tohumlar farklı Q verebilir (0{,}39–0{,}42) ve şablon bunu bir notla söyler. Sonucu rapor ederken tohumu yazın; "Louvain yeniden başlatma sayısı" alanını 1'den büyük yaparak en yüksek modülerlikli bölünmeyi alabilirsiniz (varsayılan 1, tek çalıştırmadır). Kod panelinin Tohum alanı bu şablonda etkisizdir; şablonun kendi
tohumalanı kullanılır (166.2). - Modülerlik yönsüz çizgede hesaplanır. Yönlü ağda Q yönsüz çökertilmiş ağın modülerliğidir (166.4.5); şablon walktrap ve kenar aradalığı için bunu bir notla bildirir. Yönlü modülerlikle karıştırmayın.
- Çok topluluklu ağlarda çözünürlük sınırı. Büyük ağlarda küçük topluluklar kaybolabilir; Louvain'in
cozunurlukdeğerini artırarak bakın. - Kesin eniyileme n\le50. Daha büyük ağlarda hata verir (örnek: 60 düğüm).
- Özvektör merkeziliği her ağda anlamlı değildir. Döngüsüz yönlü ağda tanımsızdır; şablon sütunu boş bırakır ve uyarı yazar. Bağlı olmayan ağda yalnız en büyük bileşende sıfırdan farklıdır.
- Çizimde hata sessizdir. Şekil kodları
tryCatchiçindedir; çizim başarısızsa şekil çıkmaz ve ileti yazılmaz.
166.9 Uzman soruları
S1. Aradalık neden iki ayrı sütun olarak veriliyor?
Ham aradalık B_i ağın büyüklüğüne bağlıdır ve ağlar arasında karşılaştırılamaz. B_i^{\ast}=B_i/[(n-1)(n-2)/2] (yönlüde (n-1)(n-2)) [0{,}1] aralığına ölçekler ve 1'e yakın değer "düğüm hemen her en kısa yolun üzerinde" demektir. Örnekte 1. düğümde 231{,}07 ve 0{,}4376.
S2. Yakınlık bağlı olmayan ağda nasıl yorumlanır ve neden harmonik de veriliyor?
Klasik yakınlık 1/\sum d ulaşılamayan düğümde sonsuzdur. Şablon r/\sum_{\text{ulaşılan}}d kullanır: yalnız kendi bileşeni içindeki ortalama mesafeyi ölçer, küçük bir bileşenin düğümleri büyük bileşenin düğümlerinden daha yakın görünebilir. Harmonik \sum1/d ulaşılamaz çiftlerde 0 katkı verir ve bütün ağ için karşılaştırılabilir kalır. Şablon bunu bir notla bildirir (237).
S3. Özvektör merkeziliği ile PageRank arasındaki fark nedir ve neden ikisi de var?
Özvektör merkeziliği doğrusal bir tutarlılıktır: önemli komşusu olan düğüm önemlidir; ölçeği en büyük değer 1 olacak biçimde keyfîdir. PageRank bir rastgele yürüyüşün kararlı dağılımıdır; sıçrama (1-d) ve sarkan düğüm kuralı sayesinde her yönlü ağda tanımlıdır ve toplamı 1'dir. Döngüsüz yönlü ağda özvektör tanımsızken PageRank kullanılabilir. Yönsüz bağlı ağlarda iki ölçü sıralamada genellikle yakındır (örnekte 34 ve 1 tepe).
S4. Derece birlikteliği negatifse ne anlama gelir?
Yüksek dereceli düğümler düşük dereceli düğümlere bağlanıyor demektir: merkez–çevre ya da yıldız benzeri yapı. Karatede r=-0{,}476: iki merkez (1, 34) ve onlara bağlı çok sayıda düşük dereceli üye. Yıldız ağında r=-1'dir. Derece birlikteliği derece dağılımına çok duyarlıdır ve küçük ağlarda kararsızdır.
S5. Topluluk sayısını ben mi seçiyorum?
Hayır; algoritma Q'yu en büyükleyen sayıyı kendi bulur. Yalnız Louvain'de cozunurluk bunu dolaylı ayarlar: \gamma<1 daha az ve büyük, \gamma>1 daha çok ve küçük topluluk üretir (örnekte \gamma=0{,}5 iki, \gamma=2 sekiz topluluk). Raporlanan Q ise her zaman standart modülerliktir.
S6. Neden Louvain ile kesin eniyileme aynı modülerliği verdi, başka tohumlarda vermedi?
Louvain açgözlüdür ve düğüm sırası tohuma bağlıdır; yerel bir en büyüğe takılabilir. 1977 tohumu kesin en iyiye (0{,}4198) varmıştır; tohum 3 için Q=0{,}3937 çıktı. Kesin eniyileme tohumdan bağımsızdır ama n\le50 ile sınırlıdır. Pratik yol: "Louvain yeniden başlatma sayısı" alanını artırmak, birkaç tohum denemek ya da kesin eniyilemeyle karşılaştırmaktır.
S7. Yönlü ağda topluluk neden yönsüz ağda bulunuyor?
Standart modülerlik yönsüz bir tanımdır; Louvain, hızlı açgözlü ve kesin eniyileme yönsüz çökertilmiş çizgede çalışır (şablon not yazar). Yönlü bölünmeler için Leicht–Newman modülerliği gerekir; şablonda yoktur. edge_betweenness yönü kullanır ama Q yine yönsüz çizgede hesaplanır, bu yüzden iki yöntemin Q'su yönlü ağda tam karşılaştırılamaz.
S8. Ağırlıksız ağda yinelenen kenar sonucu değiştirir mi?
Hayır. Ağırlıksız ağda şablon çizgedeki weight özelliğini siler; yinelenen kenar tek kenara iner ve ölçüler yinelenensiz ağınkiyle aynıdır. Çokluğun ağırlık olması isteniyorsa çokluğu bir ağırlık sütununa yazın: o zaman ağırlıklı ağ olarak çözümlenir ve çokluk, seçtiğiniz ağırlık anlamına göre güç ya da uzaklık sayılır.
166.10 Kaynaklar
- Boldi, P., & Vigna, S. (2014). Axioms for centrality. Internet Mathematics, 10(3–4), 222–262. https://doi.org/10.1080/15427951.2013.865686
- Bonacich, P. (1972). Factoring and weighting approaches to status scores and clique identification. The Journal of Mathematical Sociology, 2(1), 113–120. https://doi.org/10.1080/0022250X.1972.9989806
- Blondel, V. D., Guillaume, J.-L., Lambiotte, R., & Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, 2008(10), P10008. https://doi.org/10.1088/1742-5468/2008/10/P10008
- Brandes, U. (2001). A faster algorithm for betweenness centrality. The Journal of Mathematical Sociology, 25(2), 163–177. https://doi.org/10.1080/0022250X.2001.9990249
- Brandes, U., Delling, D., Gaertler, M., Görke, R., Hoefer, M., Nikoloski, Z., & Wagner, D. (2008). On modularity clustering. IEEE Transactions on Knowledge and Data Engineering, 20(2), 172–188. https://doi.org/10.1109/TKDE.2007.190689
- Brin, S., & Page, L. (1998). The anatomy of a large-scale hypertextual Web search engine. Computer Networks and ISDN Systems, 30(1–7), 107–117. https://doi.org/10.1016/S0169-7552(98)00110-X
- Clauset, A., Newman, M. E. J., & Moore, C. (2004). Finding community structure in very large networks. Physical Review E, 70(6), 066111. https://doi.org/10.1103/PhysRevE.70.066111
- Csárdi, G., & Nepusz, T. (2006). The igraph software package for complex network research. InterJournal Complex Systems, 1695.
- Fortunato, S., & Barthélemy, M. (2007). Resolution limit in community detection. Proceedings of the National Academy of Sciences, 104(1), 36–41. https://doi.org/10.1073/pnas.0605965104
- Freeman, L. C. (1977). A set of measures of centrality based on betweenness. Sociometry, 40(1), 35–41. https://doi.org/10.2307/3033543
- Freeman, L. C. (1978). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239. https://doi.org/10.1016/0378-8733(78)90021-7
- Fruchterman, T. M. J., & Reingold, E. M. (1991). Graph drawing by force-directed placement. Software: Practice and Experience, 21(11), 1129–1164. https://doi.org/10.1002/spe.4380211102
- Newman, M. E. J. (2002). Assortative mixing in networks. Physical Review Letters, 89(20), 208701. https://doi.org/10.1103/PhysRevLett.89.208701
- Newman, M. E. J. (2003). Mixing patterns in networks. Physical Review E, 67(2), 026126. https://doi.org/10.1103/PhysRevE.67.026126
- Newman, M. E. J., & Girvan, M. (2004). Finding and evaluating community structure in networks. Physical Review E, 69(2), 026113. https://doi.org/10.1103/PhysRevE.69.026113
- Pons, P., & Latapy, M. (2006). Computing communities in large networks using random walks. Journal of Graph Algorithms and Applications, 10(2), 191–218. https://doi.org/10.7155/jgaa.00124
- R Core Team (2026). R: A language and environment for statistical computing. R Foundation for Statistical Computing.
- Reichardt, J., & Bornholdt, S. (2006). Statistical mechanics of community detection. Physical Review E, 74(1), 016110. https://doi.org/10.1103/PhysRevE.74.016110
- Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of "small-world" networks. Nature, 393(6684), 440–442. https://doi.org/10.1038/30918
- Zachary, W. W. (1977). An information flow model for conflict and fission in small groups. Journal of Anthropological Research, 33(4), 452–473. https://doi.org/10.1086/jar.33.4.3629752