在R中: iGraph和STATNET在测量网络集中度时如何处理断开图

Question

我正在与大约300个不同大小的断开网络一起工作。我使用R中的STATNET和iGraph包为这些网络计算了不同的图级集中化度量。

然而，我发现N=2的子图中的节点在iGraph的特征向量中心性测度中得到了1的最高值。因此，具有大量孤立的dyads的网络获得了很高的图级特征向量集中度分数。

在我的网络中，这不是一个有效的结果，因为这些网络连接得很差，因此理论上应该有一个很低的集中度分数。

有人知道这些度量是如何处理不连通图的吗？有什么办法处理这件事吗？此外，是否还有其他方法来评估这些网络的结构？

欢迎任何帮助。谢谢!

Answer 1

对于不连通图，特征向量中心性不是很好的定义，因为每个分量的中心性分数是相互独立的；可以用一个大常数(例如，10000)来膨胀一个分量的中心分数，然后再将中心分数归一化为1；所得到的向量仍然满足特征向量中心性方程。因此，你应该只计算连通图的特征向量中心。如果图中有多个组件，那么首先将其分解为连接的组件，然后计算和比较单个组件的特征向量集中度。