centralitetsmål

Centralitetsmått är mått som används inom nätverksanalys för att kvantifiera hur viktig eller inflytelserik en nod är i ett nätverk. De bygger på nätverkets topologi och hur kopplingarna är fördelade mellan noderna.

Vanliga centrala mått inkluderar: gradcentralitet, som räknar antalet grannar till en nod; närhetcentralitet, som är inversen av summan av kortaste avstånden till alla andra noder; betweennesscentralitet, som mäter hur ofta en nod ligger på kortaste vägar mellan andra noder. Därutöver finns eigenvectorcentralitet, som bedömer en nods inflytande utifrån inflytandet hos dess grannar, samt PageRank, en variant som betonar vikt i riktade nätverk och spridning av "inflytande" över tid. Katzcentralitet är en generell version där inflytandet attenueras med avstånd.

Dessa mått kan vara lokala eller globala och används i både riktade och oriktade samt viktade grafer. Normalisering används ofta för att möjliggöra jämförelser mellan nätverk av olika storlek eller densitet. Beräkningar kan kräva olika algoritmer, till exempel Brandes-algoritmen för betweenness och kraftiga eller iterativa metoder för eigenvector- eller PageRank-centralitet.

Användningsområden inkluderar identifiering av nyckelnoder i sociala nätverk, planering och försörjningskedjor i infrastruktur, samt analys av kritiska arter eller interaktioner i biologiska nätverk. Tolkningen av ett centralt mått beror på vilket aspekt av "inflytande" man är intresserad av och kontexten i nätverket.

Begränsningar inkluderar att centritet överväger statisk struktur och ofta ignore dynamik, dataförlust eller felaktigheter kan påverka resultaten, och olika mått fångar olika dimensioner av betydelse som kräver noggrann tolkning.