sentralitetsmål

Sentralitetsmål er mål brukt i grafteori og nettverksanalyse for å kvantifisere hvor viktig en node er i et nettverk. De gir innsikt i strukturell plassering, innflytelse og potensielle sårbarheter i sosiale, tekniske og biologiske systemer. Valg av mål avhenger av hva man ønsker å måle, og hvilke egenskaper som anses som mest relevante i den aktuelle konteksten.

De vanligste sentralitetsmålene inkluderer gradsentralitet (degree centrality), mellomsentralitet (betweenness centrality), nærhetscentralitet (closeness centrality) og eigenvektorcentralitet (eigenvector centrality). PageRank er en spesialisert form av eigenvektorcentralitet som brukes til rangering av noder i store nettverk. Gradsentralitet gir en indikasjon på lokal innflytelse ved å telle antall forbindelser en node har. Mellomsentralitet måler hvor ofte en node ligger på korteste sti mellom andre par, og reflekterer kontroll over informasjonsflyt. Nærhetscentralitet tar hensyn til avstander til alle andre noder og skiller seg ut ved å identifisere noder som kan spre informasjon raskt. Eigenvektorcentralitet vekter en nodes sentralitet etter naboenes sentralitet, slik at forbindelser til andre sentrale noder gir høyere verdi. PageRank forbedrer denne ideen ved å modellere en tilfeldig vandring gjennom nettverket og gi høy rang til noder som er koblet til andre viktige noder.

Beregningsaspekt: sentralitetsmål beregnes vanligvis fra grafens kantlister eller adjacency-matriser ved hjelp av algoritmer for korteste sti eller for beregning av egenverdier. Verdier kan normaliseres for sammenligning mellom nettverk av ulike størrelser.

Anvendelser og begrensninger: sentralitetsmål brukes i analyse av sosiale nettverk, kommunikasjon og trafikk, biologiske nettverk og risikostyring. Valg av mål bør tilpasses nettverkets retning og formål. Begrensninger inkluderer avhengighet av fullstendighet i nettverket, følsomhet for små endringer og at høy sentralitet ikke alltid tilsvarer faktisk påvirkning i praksis.