異嗜性

使用 R 進行網路化資料的預測分析

María Óskarsdóttir, Ph.D.

Post-doctoral researcher

異嗜性

4 條跨標籤邊

11 條跨標籤邊

使用 R 進行網路化資料的預測分析

異嗜性

在隨機網路配置的期望下，具有「不同」標籤的節點之間的連結程度。

  • 跨標籤邊的期望數 $=n_w n_g p$
  • 例子：
    • 網路含 9 個白節點、6 個綠節點、21 條邊，連結率 $p=0.2$
    • 跨標籤邊的期望數為 11（$=9\cdot 6\cdot p$）
  • 異嗜性為實際跨標籤邊數除以其期望值
    • $H=\frac{\textrm{number of cross label edges}}{\textrm{expected number of cross label edges}}$
使用 R 進行網路化資料的預測分析

異嗜性

15 條跨標籤邊

  • $H=15/11=1.39$

11 條跨標籤邊

  • $H=11/11=1.02$
使用 R 進行網路化資料的預測分析

異嗜性的類型

三種情況：

  1. $H>1 \Rightarrow$ 異嗜
  2. $H\simeq 1\Rightarrow$ 隨機
  3. $H<1\Rightarrow$ 異拒

$H=1.39$

$H=1.02$

$H=0.37$

使用 R 進行網路化資料的預測分析

資料科學家網路中的異嗜性

p<-2*19/(10*9)
m_rp<-6*4*p

H_rp<-edge_rp/m_rp

H_rp

0.3947368
使用 R 進行網路化資料的預測分析

一起來練習吧！

使用 R 進行網路化資料的預測分析

Preparing Video For Download...