Professional Documents
Culture Documents
22 de agosto de 2014
Medidas y metricas
Como bien sabemos, la estructura de un grafo nos permite calcular
una variedad de cantidades o medidas u
tiles que capturan
caractersticas particulares de el.
Grado de centralidad
Una gran cantidad de investigaciones sobre redes se han planteado
la pregunta: Cuales son los vertices mas centrales o importantes
en una red?[New10]
Eigenvector Centrality
Eigenvector Centrality
Eigenvector Centrality
(2)
Eigenvector Centrality
Eigenvector Centrality
X
i
ci vi =
X
i
ci kit vi
kjt
X
i
ci
ki
kj
t
vi ,
(4)
Eigenvector Centrality
Eigenvector Centrality
(6)
Eigenvector Centrality
note que esta medida tiene una buena propiedad, y es que puede
ser muy grande debido a que tiene muchos vecinos o sus vecinos
son muy importantes (o ambos).
Eigenvector Centrality
Eigenvector Centrality
Eigenvector Centrality
Eigenvector Centrality
El n
umero de citaciones de publicaciones que se hagan en un
artculo no significa que sea muy importante. Sin embargo, el
n
umero de citaciones que hagan de este es un claro indicador de
que tan importante o u
til es. Por otro lado, si un artculo cita a
otro, no significa que alla halla sido citado.
Eigenvector Centrality
la cual da Ax = kj x en notaci
on matricial, donde x es el vector
propio principal derecho de A.
Eigenvector Centrality
Figura : Porci
on de una red dirigida.
Eigenvector Centrality
Eigenvector Centrality
Eigenvector Centrality
Observacion
En terminos matematicos, para redes acclicas el eigenvector
centrality de todos los vertices sera cero.
Una variacion de eigenvector centrality que permite solucionar
estos problemas es la katz centrality la cual abordaremos a
continuacion.
Katz Centrality
Katz Centrality
(9)
Katz Centrality
(10)
Katz Centrality
(11)
Katz Centrality
Katz Centrality
Katz Centrality
Para este u
ltimo es u
til hacer una aproximaci
on haciendo uso de la
Ecuacion (9) (o equivalentemente la Ecuaci
on (10)). Luego
calcular una mejor estimaci
on
x0 = Ax + U.
(12)
Katz Centrality
Katz Centrality
(14)
Katz Centrality
Closeness Centrality
Closeness Centrality
Closeness Centrality
Entonces
li =
1X
dij ,
n
(15)
Closeness Centrality
1 X
dij ,
n1
(16)
j(6=i)
Closeness Centrality
Closeness Centrality
Closeness Centrality
Es com
un calcular la inversa de li en vez de la misma li . Esta
inversa es llamada closeness centrality Ci :
Ci =
1
n
=P
.
li
j dij
(17)
Closeness Centrality
Closeness Centrality
Closeness Centrality
Hay dos estrategias para solucionar esto. Una de las mas comunes
es simplemente considerar el promedio sobre aquellos vertices que
estan en la misma componente que i. Entonces n en la Ecuacion
(15) se convierte en el n
umero de vertices en la componente y la
suma es solamente sobre la misma componente.
Closeness Centrality
Esto nos da una medida finita, aunque con sus propios problemas.
En particular las distancias geodesicas tienden a ser peque
nas en
componentes peque
nas. Entonces vertices en componentes
peque
nas tienden a tener medidas mas grandes que otros vertices
de la misma red pero en componentes mas grandes.
Closeness Centrality
1 X 1
n1
dij
j(6=i)
(18)
Introduccion
En el caso de redes dirigidas, hay otro par de medidas de
centralidad un poco intuitivas. A grandes rasgos, hemos
considerado medidas que asignan una alta centralidad a vertices si
aquellos que apuntaban a el tienen alta centralidad. Sin embargo,
en algunas redes es apropiado tambien acordar que un vertice tiene
alta centralidad si apuntan a otros con alta centralidad.
Aspectos relevantes
Aspectos relevantes
authorities son nodos que contienen informacion informacion
u
til sobre un tema de interes.
Aspectos relevantes
authorities son nodos que contienen informacion informacion
u
til sobre un tema de interes.
hubs son nodos que nos dicen donde los mejores authorities
van a ser encontrados.
Aspectos relevantes
authorities son nodos que contienen informacion informacion
u
til sobre un tema de interes.
hubs son nodos que nos dicen donde los mejores authorities
van a ser encontrados.
Un authority puede ser un hub y viceversa.
Algoritmo
Estas ideas fueron propuestas por [Kle99] y desarrolladas por
dentro de un algoritmo de centralidad llamado hyperlink-induced
topic search o HITS
Algoritmo
Algoritmo
Le asigna a cada vertice i una centralidad authority xi y una
centralidad hub yi .
Algoritmo
Le asigna a cada vertice i una centralidad authority xi y una
centralidad hub yi .
xi es alto, si el vertice i es se
nalado por muchos vertices
hubs, es decir, vertices con alta centralidad hub.
Algoritmo
Le asigna a cada vertice i una centralidad authority xi y una
centralidad hub yi .
xi es alto, si el vertice i es se
nalado por muchos vertices
hubs, es decir, vertices con alta centralidad hub.
yi es alto, si el nodo i apunta a muchos vertices con alta
centralidad authority.
En terminos matriciales
x = Ay,
y = AT x,
(21)
AT Ay = y,
(22)
Eigentrust
Introduccion
Piense en el sistema de reputaciones de eBay, compradores y
vendedores pueden calificarse unos a otros despues de cada
transaccion[KSGM03]. La reputaci
on general de cada persona es la
suma de las calificaciones de los u
ltimos seis meses.
Eigentrust
(24)
Eigentrust
(25)
Eigentrust
(26)
Eigentrust
Eigentrust
Eigentrust
(27)
Eigentrust
Eigentrust
vertices inactivos
Observe que es posible que la Ecuaci
on 25 no este definida, en este
caso cij redefinida sera
( max s ,0
P
ij
P
,
si
ax(sij , 0) 6= 0
j m
m
a
x(s
,0)
ij
j
cij =
(29)
pj ,
en otro caso
Eigentrust
Colectivos maliciosos
~t(k+1) = (1 a)C T ~t(k) + a~
p
(30)
References I
P. F. Bonacich.
Power and centrality: A family of measures.
Am. J. Sociol, 33:11701182, 1987.
A. Borodin, G. O. Roberts, J. S. Rosenthal, and P. Tsaparas.
Finding authorities and hubs from link structures on the world
wide web, in v. y. shen, n. saito, m. r. lyu, and m. e. zurko,
eds.
In Proceedings of the 10th International World Wide Web
Conference, pages 415429. Association of Computing
Machinery, New York, 2001.
References II
L. Katz.
A new status index derived from sociometric analysis.
Psychometrika, 18(3943), 1953.
J. M. Kleinberg.
Authoritative sources in a hyperlinked environment.
J. ACM, 46:604632, 1999.
Sepandar D. Kamvar, Mario T. Schlosser, and Hector
Garcia-Molina.
The eigentrust algorithm for reputation management in p2p
networks.
References III
In Proceedings of the 12th International Conference on World
Wide Web, WWW 03, pages 640651, New York, NY, USA,
2003. ACM.
M.E.J. Newman.
Networks: An Introduction.
Oxford, UK: Oxford University Press, 2010.
A. Y. Ng, A. X. Zheng, and M. I. Jordan.
Stable algorithms for link analysis, in d. h. kraft, w. b. croft, d.
j. harper, and j. zobel, eds.
In Proceedings of the 24th Annual International ACM SIGIR
Conference on Research and Development in Information
Retrieval, pages 258266. Association of Computing
Machinery, New York, 2001.
Centralidad y algunas medidas