Dyadicity

การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R

María Óskarsdóttir, Ph.D.

Post-doctoral researcher

Dyadicity

7 เส้นเชื่อมระหว่างโหนดสีเขียว

3 เส้นเชื่อมระหว่างโหนดสีเขียว

การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R

Dyadicity

ความเชื่อมต่อระหว่างโหนดที่มี ป้ายกำกับเดียวกัน เทียบกับค่าที่คาดหวังในโครงข่ายแบบสุ่ม

  • จำนวนเส้นเชื่อมป้ายกำกับเดียวกันที่คาดหวัง: ${{n_g}\choose{2}} \cdot p= \frac{n_g(n_g-1)}{2}\cdot p$
  • ตัวอย่าง:
    • โครงข่ายที่มีโหนดสีขาว 9 โหนด โหนดสีเขียว 6 โหนด เส้นเชื่อม 21 เส้น และค่า connectance $p=0.2$
    • จำนวนเส้นเชื่อมที่คาดหวังระหว่างโหนดสีเขียวสองโหนดคือ 3 ($=\frac{6 \cdot 5 \cdot p}{2}$)
  • Dyadicity คืออัตราส่วนของจำนวนเส้นเชื่อมป้ายกำกับเดียวกันที่เกิดขึ้นจริงต่อจำนวนที่คาดหวัง
    • $D=\frac{\textrm{number of same label edges}}{\textrm{expected number of same label edges}}$
การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R

Dyadicity

7 เส้นเชื่อมระหว่างโหนดสีเขียว

  • $D=7/3=2.33$

3 เส้นเชื่อมระหว่างโหนดสีเขียว

  • $D=3/3=1$
การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R

ประเภทของ Dyadicity

สามสถานการณ์

  1. $D>1 \Rightarrow$ Dyadic
  2. $D\simeq 1\Rightarrow$ Random
  3. $D<1\Rightarrow$ Anti-Dyadic

$D=2.33$

$D=1$

$D=0$

การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R

Dyadicity ในโครงข่ายของนักวิทยาศาสตร์ข้อมูล

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
การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R

มาฝึกกันเถอะ!

การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R

Preparing Video For Download...