Yönlendirilmiş Yakınlık Merkeziyeti
Directed Closeness Centrality (In-closeness and Out-closeness on Directed Graphs) · Ayrıca şöyle bilinir: directed closeness, in-closeness centrality, out-closeness centrality, directional closeness
Yönlendirilmiş yakınlık merkeziyeti, klasik yakınlık ölçüsünü yönlendirilmiş ağlara, bir düğümün başkaları tarafından ne kadar hızlı ulaşılabildiğini (iç-yakınlık) ve tüm başkalarına ne kadar hızlı ulaşabileceğini (dış-yakınlık) ayrı ayrı ölçerek genişletir. Bu, sosyal ağ analizi ve graf teorisinde temel bir düğüm düzeyinde metriktir; alıntı akışları, bilgi çağlayanları veya otorite hiyerarşileri gibi bağlantı yönünün anlamlı bir asimetri taşıdığı her yerde kullanılır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Ağınızda anlamlı yay yönlülüğü olduğunda — alıntı ağları, Twitter takipçi grafikleri, köprü bağlantı yapıları, besin ağları, tedarik zincirleri veya yönün önemli olduğu herhangi bir etki akışı — ve verimli yayıncıları (dış-yakınlık) veya difüzyonun kolay hedeflerini (iç-yakınlık) belirlemek istediğinizde yönlendirilmiş yakınlık merkeziyetini kullanın. Özellikle yönsüz yakınlığın asimetrik rolleri gizleyeceği durumlarda kullanışlıdır. Yönün olmadığı veya yapay olduğu yönsüz ağlarda kullanmayın. Harmonik ortalama düzeltmesi olmadan seyrek veya yüksek derecede bağlantısız yönlendirilmiş graflara uygulamaktan kaçının, çünkü ulaşılamayan çiftler ham puanları yanıltıcı bir şekilde şişirir. Çok büyük graflar için, tüm çiftler en kısa yol hesaplama maliyeti engelleyici olabilir; yaklaştırma algoritmaları düşünülmelidir.
Güçlü yönler & sınırlılıklar
- Yönsüz yakınlığın tamamen gizlediği asimetrik erişimi yakalar, lavabo ve kaynak rollerini ortaya çıkarır.
- İç-yakınlık ve dış-yakınlık birlikte düğüm başına iki boyutlu bir merkeziyet profili sağlar.
- Ortalama yönlendirilmiş jeodezik mesafe olarak yorumlanabilir — somut, sezgisel bir nicelik.
- Yönlendirilmiş akışa sahip herhangi bir alana uygulanabilir: bilgi, alıntılar, kaynaklar, otorite.
- Harmonik ortalama varyantı, veri atmadan bağlantısız bileşenleri işler.
- Tüm çiftler en kısa yol hesaplaması O(n(n+m)) — milyonlarca düğüme sahip ağlar için pahalıdır.
- Harmonik ortalama düzeltmesi uygulanmadıkça, güçlü bir şekilde bağlı olmayan graflarda tanımsız veya dejeneredir.
- Yolların hacmini (sadece en kısa olanları değil), ara kesme veya akış tabanlı ölçümlerin aksine hesaba katmaz.
- Normalizasyon ve bağlantısız çift muamelesi seçimine duyarlıdır, bu da çalışmalar arası karşılaştırmayı zorlaştırır.
SSS
İç-yakınlık ve dış-yakınlık arasındaki fark nedir?
İç-yakınlık, bir düğüme diğer tüm düğümlerden yönlendirilmiş yollar boyunca ne kadar kolay ulaşılabildiğini ölçer — yüksek iç-yakınlığa sahip bir düğüm verimli bir bilgi lavabosu veya hedeftir. Dış-yakınlık, bir düğümün diğer tüm düğümlere ne kadar hızlı ulaşabileceğini ölçer — yüksek dış-yakınlığa sahip bir düğüm verimli bir yayıncı veya yayıcıdır. İki puan aynı düğüm için büyük ölçüde farklılık gösterebilir.
Yönlendirilmiş grafım güçlü bir şekilde bağlı değilse ne yapmalıyım?
Harmonik ortalama yakınlık formülasyonunu kullanın: mesafelerin toplamının 1'i yerine, yalnızca ulaşılabilir çiftler üzerinden 1/d(u,v) toplamını hesaplayın. Bu, ulaşılamayan çiftleri sıfır katkıda bulunan olarak ele alır ve bağlantısız graflarda bile geçerli bir puan verir. Çoğu modern paket (NetworkX, igraph) bunu bir seçenek olarak sunar.
Yönlendirilmiş yakınlık, yönlendirilmiş ara kesme merkeziyetinden nasıl farklıdır?
Yakınlık, bir düğümün diğerlerine (veya diğerlerinden) olan yönlendirilmiş yollarının ne kadar kısa olduğunu yansıtır — erişim hızıyla ilgilidir. Ara kesme merkeziyeti, bir düğümün diğer çiftler arasındaki yönlendirilmiş en kısa yollar üzerinde ne sıklıkla bulunduğunu sayar — aracılık ve akış kontrolü ile ilgilidir. Bir düğüm, başkalarına hızlı ulaşsa ancak başkalarının optimal rotalarında nadiren bulunsa bile yüksek yakınlığa ancak düşük ara kesmeye sahip olabilir.
Etkili düğümleri bulmak için yönlendirilmiş yakınlığı mı yoksa yönlendirilmiş PageRank'ı mı kullanmalıyım?
Her ikisi de yönlendirilmiş ağlarda erişilebilirliği farklı açılardan yakalar. Yönlendirilmiş dış-yakınlık, tüm düğümleri eşit derecede önemli kaynaklar olarak ele alır. PageRank, gelen bağlantıları kaynaklarının önemine göre ağırlıklandırarak özyinelemeli otoriteyi yakalar. Jeodezik verimlilik önemli olduğunda yakınlığı kullanın; bağlantı prestiji ve özyinelemeli onay teorik olarak anlamlı olduğunda PageRank'ı kullanın.
Yönlendirilmiş yakınlık merkeziyeti ağırlıklı yönlendirilmiş graflar için uygun mudur?
Standart formülasyon, ağırlıksız en kısa yol atlama sayılarını kullanır. Ağırlıklı yönlendirilmiş graflar için — yay ağırlıklarının mesafe, maliyet veya benzemezlik temsil ettiği yerlerde — Dijkstra tabanlı ağırlıklı en kısa yolları kullanın. Ağırlıklar mesafeden ziyade gücü veya benzerliği temsil ediyorsa, algoritmayı uygulamadan önce bunları maliyete dönüştürün (örneğin, tersini alın).
Kaynaklar
- Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press. ISBN: 978-0-521-38269-4
- Freeman, L. C. (1979). Centrality in social networks conceptual clarification. Social Networks, 1(3), 215–239. DOI: 10.1016/0378-8733(78)90021-7 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Directed Closeness Centrality (In-closeness and Out-closeness on Directed Graphs). ScholarGate. https://scholargate.app/tr/network-analysis/directed-closeness-centrality
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Yakınlık Merkezi̇lli̇ği̇Ağ analizi↔ karşılaştır
- Yönlendirilmiş Aradalık MerkeziAğ analizi↔ karşılaştır
- Yönlendirilmiş Özvektör MerkeziyetiAğ analizi↔ karşılaştır
- Yönlendirilmiş PageRankAğ analizi↔ karşılaştır
- Yönlendirilmiş Sosyal Ağ Analizi (yönlendirilmiş SNA)Ağ analizi↔ karşılaştır