中心性アルゴリズム

中心性アルゴリズムは、モデル内の個々のエンティティおよび関係性の重要性と重要度 (中心性ともいいます) を測定します。これらのアルゴリズムを使用して、リーダー (leader) とフォロワー (follower)、インフルエンサー (influencer) とアウトライアー (outlier)、その他類似のデータの特性を識別できます。

Relationship Analysis Client は、モデルに適用する次の 4 種類の中心性尺度を提供します。

媒介性

ネットワーク内のさまざまな部分間の情報フローを制御するエンティティを識別するのに使われます。

近接性

ネットワークの他の部分へのアクセスに最も優れ、ネットワークのその他の部分におけるアクティビティを視覚化できるエンティティを識別するのに使われます。

次数

他のエンティティに最も直接的なリンクを持つエンティティを識別するのに使われます。

影響性

他のきわめてアクティブなエンティティ、または広く接続されたエンティティへのリンクによって、ネットワーク内に強い影響を持つエンティティを識別するのに使われます。

アルゴリズムは、次の 3 つのタイプの方向で実行できます。

入方向 (Incoming)

エンティティに入る関連性によって結果が生じます。

出方向 (Outgoing)

エンティティから出る関連性によって結果が生じます。

双方向

入る関連性と出る関連性によって結果が生じます。

中心性アルゴリズムで利用できる尺度は他にもあります。例えば、結果の大体の精度を選択できます。精度が低ければより正確な結果が返されますが、アルゴリズムの実行速度は遅くなります。近接性アルゴリズムでは、結果がどのように返されるかを選択できます。また、関係性プロパティを重みとして使用することや、低い値ほど重要と見なすこと (例えば、エンティティをランク付けするデータを使用した場合は #1 が取り得る最良の順位になります) も指定できます。

中心性アルゴリズムの詳細については、ここをクリックしてください。