Merkeziyet Analizi — Derece, Aradalık, Özvektör
Network Centrality Analysis (Degree, Betweenness, Eigenvector) · Ayrıca şöyle bilinir: Merkeziyet Analizi (Degree, Betweenness, Eigenvector), node centrality, centrality measures, graph centrality
Merkeziyet analizi, Freeman (1979) tarafından biçimlendirilmiş, bir çizge (graph) içindeki bireysel düğümlerin yapısal önemini ölçen bir ağ analizi ölçütleri ailesidir. Her bir merkeziyet indeksi farklı bir etki mekanizmasını yakalar: derece merkeziyeti doğrudan bağlantılılığı yansıtır, aradalık merkeziyeti bilgi akışını aracılık eden düğümleri belirler, yakınlık merkeziyeti diğer tüm düğümlere yakınlığı kapsar ve özvektör merkeziyeti (PageRank ile birlikte) yüksek bağlantılı komşulara bağlanmayı ödüllendirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+5 tane daha
Ne zaman kullanılır
Merkeziyet analizi, ilişkisel veriler bir çizge olarak temsil edilebildiğinde ve soru hangi düğümlerin yapısal olarak en önemli olduğuyla ilgili olduğunda uygulanır. Sosyal ağ analizi, bibliyometri, biyoloji, ulaşım ve bilgi sistemleri araştırmalarında kullanılır. Herhangi bir normal dağılım varsayımı gerekmez ve yöntem kesitsel ve boylamsal ağ verileri için uygundur. Ağ bağlı olmalı veya bileşenler ayrı ayrı analiz edilmelidir, böylece aradalık ve yakınlık gibi yola dayalı ölçütler iyi tanımlanır. Puanların yorumlanabilmesi için en az 10 düğüm gereklidir ve istatistiksel olarak anlamlı olması için en az 20 düğüm gereklidir. Ağırlıklı ağlar, merkeziyet hesaplanmadan önce teorik olarak temellendirilmiş bir ağırlık tanımı gerektirir.
Güçlü yönler & sınırlılıklar
- Her indeks, yapısal önemin farklı bir mekanizmasını yakalayarak ağın çok boyutlu bir portresini sunar.
- Herhangi bir dağılım varsayımı gerekmez; yöntem, değişken türünden bağımsız olarak herhangi bir çizgede çalışır.
- Derece ve özvektör merkeziyeti, çok büyük çizgelere verimli bir şekilde ölçeklenir; derece merkeziyeti O(V+E) içinde hesaplanır.
- Disiplinler arasında (sosyolojiden biyolojiye, bilgisayar bilimine kadar) geniş çapta desteklenir, bu da sonuçların geniş çapta iletilebilir olmasını sağlar.
- Aradalık merkeziyeti, çok büyük ağlarda pahalı hale getiren O(VE) hesaplama karmaşıklığına sahiptir.
- Yola dayalı ölçütler (aradalık, yakınlık), bağlantısız çizgelemelerde tanımsızdır veya özel işlem gerektirir.
- Merkeziyet puanları, ağırlıklı ağlarda kenar ağırlığı tanımının seçimine duyarlıdır; kötü seçilmiş bir ağırlık her indeksi bozar.
- 20'den az düğümle, ölçütler istatistiksel güce sahip değildir ve çıkarımsal sonuçlar yerine yalnızca tanımlayıcı olarak ele alınmalıdır.
SSS
Hangi merkeziyet ölçütü kullanılmalı?
Seçim anlamsal sorunuza bağlıdır. En doğrudan bağlantılara sahip düğümleri belirlemek için derece merkeziyetini kullanın. Ağın bölümleri arasındaki bilgi akışını kontrol eden aracılar bulmak için aradalık merkeziyetini kullanın. Diğer herkese hızla ulaşabilen düğümleri belirlemek için yakınlık merkeziyetini kullanın. Bir düğümün komşularının prestiji, sayılarından en azından onlarınki kadar önemli olduğunda özvektör merkeziyetini veya PageRank'i kullanın. Tek bir ölçüte güvenmekten ziyade, iki veya üç tamamlayıcı indeksi raporlamak ve sıralamaları karşılaştırmak genellikle daha bilgilendiricidir.
Merkeziyet analizi yönlendirilmiş ağlara uygulanabilir mi?
Evet. Yönlendirilmiş bir ağda, iç-derece ve dış-derece ayrı ayrı hesaplanır ve yorumlanır: iç-derece, bir düğümün başkaları tarafından ne sıklıkla seçildiğini veya atıfta bulunulduğunu yansıtırken, dış-derece, kaç kişiye ulaştığını veya atıfta bulunduğunu yansıtır. Aradalık ve yakınlığın da yönlendirilmiş varyantları vardır. Yönlendirilmiş çizgelemelerdeki özvektör merkeziyeti tipik olarak, prestijin bir düğüme mi yoksa bir düğümden mi aktığına bağlı olarak baskın sol veya sağ özvektörü kullanır.
Anlamlı sonuçlar için gereken minimum ağ boyutu nedir?
İstatistiksel kayıt defteri, herhangi bir merkeziyet hesaplaması için minimum 10 düğüm belirtir ve anlamlı istatistiksel yorumlama en az 20 düğüm gerektirir. 20 düğümün altında, birkaç düğümün sıralaması genellenmez ve tanımlayıcı ağ istatistikleri daha dürüst bir seçimdir.
Bağlantısız bir çizgeyi nasıl ele alırım?
Yola dayalı ölçütler — aradalık ve yakınlık — farklı bileşenlerdeki düğümler arasında tanımsızdır. Standart yaklaşım, her bağlı bileşeni ayrı ayrı analiz etmek veya yakınlığı yalnızca ulaşılabilir düğümlerle sınırlamak ve buna göre normalleştirmektir. Derece ve özvektör merkeziyeti bağlantı gerektirmez ve tam çizge üzerinde hesaplanabilir.
Kaynaklar
- Freeman, L.C. (1979). Centrality in Social Networks: Conceptual Clarification. Social Networks, 1(3), 215-239. DOI: 10.1016/0378-8733(78)90021-7 ↗
- Borgatti, S.P. (2005). Centrality and Network Flow. Social Networks, 27(1), 55-71. DOI: 10.1016/j.socnet.2004.11.008 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Network Centrality Analysis (Degree, Betweenness, Eigenvector). ScholarGate. https://scholargate.app/tr/network-analysis/centrality-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Topluluk TespitiAğ analizi↔ karşılaştır
- Üstel Rastgele Grafik Modeli (ERGM / p*)Ağ analizi↔ karşılaştır
- Bağlantı TahminiAğ analizi↔ karşılaştır
- Ağ Yayılım ModelleriAğ analizi↔ karşılaştır
- Stokastik Blok ModeliAğ analizi↔ karşılaştır