ネットワークの異なるクラスにわたる中心性測定間の一貫性と違い

ネットワーク内のさまざまなノードの役割は、多くの場合、中心分析を通じて理解されます。これは、接続トポロジを介して他のノードに影響を与えるか、影響を受けるノードの容量を定量化することを目的としています。多くの異なる中心性測定が提案されていますが、それらが独自の情報を提供する程度、およびノー​​ドの役割を定義するために複数の中心性測定を使用することが有利かどうかは不明です。ここでは、212の多様な現実世界のネットワークにわたる17の異なる中心性測定間の相関を計算し、これらの相関がネットワーク密度とグローバルトポロジの変動とどのように関連するかを調べ、その中心性プロファイルに従ってノードを異なるクラスにクラスター化できるかどうかを調べます。中心性測定は一般に互いに正の相関があり、これらの相関の強さはネットワークによって異なり、ネットワークモジュール性はこれらのネットワークのバリエーションを促進する上で重要な役割を果たしていることがわかります。中心性プロファイルに基づいたノードのデータ駆動型クラスタリングは、高度に中心的なノードのトポロジコアや、より少ない中央ノードの周辺を含むさまざまな役割を区別できます。私たちの調査結果は、ネットワークトポロジがどのように中心性測定間の相関のパターンを形成し、ネットワーク中心性への比較アプローチが複雑なネットワークにおける結節の役割の解釈をどのように伝えることができるかを示しています。

The roles of different nodes within a network are often understood through centrality analysis, which aims to quantify the capacity of a node to influence, or be influenced by, other nodes via its connection topology. Many different centrality measures have been proposed, but the degree to which they offer unique information, and whether it is advantageous to use multiple centrality measures to define node roles, is unclear. Here we calculate correlations between 17 different centrality measures across 212 diverse real-world networks, examine how these correlations relate to variations in network density and global topology, and investigate whether nodes can be clustered into distinct classes according to their centrality profiles. We find that centrality measures are generally positively correlated to each other, the strength of these correlations varies across networks, and network modularity plays a key role in driving these cross-network variations. Data-driven clustering of nodes based on centrality profiles can distinguish different roles, including topological cores of highly central nodes and peripheries of less central nodes. Our findings illustrate how network topology shapes the pattern of correlations between centrality measures and demonstrate how a comparative approach to network centrality can inform the interpretation of nodal roles in complex networks.