Dyadicity

R ile Ağ Verileri Kullanarak Predictive Analytics

María Óskarsdóttir, Ph.D.

Post-doctoral researcher

Dyadicity

Yeşil düğümler arasında 7 kenar

Yeşil düğümler arasında 3 kenar

Dyadicity

Ağda rastgele bir konfigürasyonda beklenene kıyasla, aynı etikete sahip düğümler arasındaki bağlılık

Aynı etiketli beklenen kenar sayısı: ${{n_g}\choose{2}} \cdot p= \frac{n_g(n_g-1)}{2}\cdot p$
Örnek:
- 9 beyaz düğüm, 6 yeşil düğüm, 21 kenar ve bağlanırlık $p=0.2$ olan ağ
- İki yeşil düğümü bağlayan beklenen kenar sayısı 3 ($=\frac{6 \cdot 5 \cdot p}{2}$)
Dyadicity, gerçek aynı etiketli kenar sayısının beklenen aynı etiketli kenar sayısına oranıdır
- $D=\frac{\textrm{number of same label edges}}{\textrm{expected number of same label edges}}$

Dyadicity

Yeşil düğümler arasında 7 kenar

$D=7/3=2.33$

Yeşil düğümler arasında 3 kenar

$D=3/3=1$

Dyadicity Türleri

Üç senaryo

$D>1 \Rightarrow$ Dyadic
$D\simeq 1\Rightarrow$ Rastgele
$D<1\Rightarrow$ Anti-Dyadic

$D=2.33$

$D=1$

$D=0$

Veri Bilimciler Ağında Dyadicity

p <- 2 * 19 / (10 * 9)
expectedREdges <- 6 * 5 / 2 * p
expectedPEdges <- 4 * 3 / 2 * p

dyadicityR <- rEdges / expectedREdges
dyadicityP <- pEdges / expectedPEdges

dyadicityR

1.578947

dyadicityP

1.973684

Hadi pratik yapalım!

R ile Ağ Verileri Kullanarak Predictive Analytics