r - 网络同质性的计算

Question

我对网络分析中网络同质性的计算感到非常困惑。现在，我正在通过以下函数计算同质性，该函数已由以下 URL 编写和描述：http: //dappls.umasscreate.net/networks/calculating-network-homophily-part-1/。该技术的目标是通过网络中所有边的比例来衡量网络中的同质性。我的目标是测量有向网络中的同质性。

功能

homophily <- function(graph,vertex.attr,attr.val=NULL,prop=T){
  #Assign names as vertex attributes for edgelist output#
  V(graph)$name<-vertex_attr(graph,vertex.attr)

  #Get the basic edgelist#
  ee<-get.data.frame(graph)

  #If not specifying on particular attribute value, get percentage (prop=T)#
  #or count (prop=F) of all nodes tied with matching attribute#
  if(is.null(attr.val)){
    ifelse(prop==T,sum(ee[,1]==ee[,2])/nrow(ee),sum(ee[,1]==ee[,2]))

  #If not null, get proportion (prop=T) or count (prop=F) of#
  #edges among nodes with that particular node attribute value#
  } else {
    ifelse(prop==T,sum(ee[,1]==attr.val & ee[,2]==attr.val)/nrow(ee[ee[,1]==attr.val|ee[,2]==attr.val,]),
           sum(ee[,1]==attr.val & ee[,2]==attr.val))
  }
}

样本数据

set.seed(5165)
#Random directed graph with 100 nodes and 30% chance of a tie#
gg<-random.graph.game(100,0.3,"gnp",directed=T)

#Randomly assign the node attribute (group numbers 0:3)#
V(gg)$group<-sample(1:5,100,replace=T)

输出

通过对样本数据应用该函数，我收到以下输出，这意味着网络中 20% 的关系位于同一组中的参与者之间。也可以按百分比计算特定组的同质性。

homophily(graph = abc, vertex.attr = "group")
[1] 0.1971504

然而，我也注意到igraph包还包含一个名为“ assortativity() ”的同质方法，此处描述。执行此函数会收到基于范围（-1, 1）中的分类系数的完全其他结果。分类系数是正的，相似的顶点（基于某些外部属性）倾向于连接到每个顶点，否则为负。

library(igraph)
assortativity(abc, V(abc)$group, directed=T)
[1] -0.02653782

问题

所以现在我很困惑，这些方法中哪一种是衡量网络中同质性的正确方法，因为这两个函数收到了不同的结果。我还注意到 igraph 方法不支持特定组的计算。在我看来，我宁愿选择第一个自编码的（不确定是否有错误），因为解释更有意义。所以我的问题是，以下哪种方法适合测量网络中的同质性？

标签： rgraphnetwork-programmingigraphnetwork-analysis

Answer 1

你能澄清一下“但它在某种程度上不一样吗？”？

我最初无法访问该链接并且说错了。上面的homophily()函数并不完全相同，需要不同的解释。

原始设置和数据：

library(igraph)
set.seed(5165)
gg <- random.graph.game(100, 0.3, "gnp", directed = TRUE)
V(gg)$group <- sample(1:5, 100, replace = TRUE)

原始功能：

homophily <- function(graph,vertex.attr,attr.val=NULL,prop=T){
  V(graph)$name<-vertex_attr(graph,vertex.attr)
  ee<-get.data.frame(graph)
  if(is.null(attr.val)){
    ifelse(prop==T,sum(ee[,1]==ee[,2])/nrow(ee),sum(ee[,1]==ee[,2]))
  } else {
    ifelse(prop==T,sum(ee[,1]==attr.val & ee[,2]==attr.val)/nrow(ee[ee[,1]==attr.val|ee[,2]==attr.val,]),
           sum(ee[,1]==attr.val & ee[,2]==attr.val))
  }
}

原始结果：

homophily(gg, "group")
#> [1] 0.2017368

返回所有相关详细信息的新函数：

new_homophily <- function(graph, vertex.attr) {
  V(graph)$name <- vertex_attr(graph, vertex.attr)
  edges <- get.data.frame(graph)
  
  # heterophilous ties where vertices have different `"group"` attributes
  external <- length(which(edges$from != edges$to))
  
  # homophilous ties where vertices have the same `"group"` attributes
  internal <- length(which(edges$from == edges$to))
  
  list(
    n_external = external,
    n_internal = internal,
    prop_external = external / nrow(edges), # proportion of ties that are heterophilous
    prop_internal = internal / nrow(edges), # proportion of ties that are homophilous (the results of your initial function)
    ei_index = (external - internal) / nrow(edges) # (EL - IL) / (EL + IL)
  )
}

新结果：

new_homophily(gg, "group")
#> $n_external
#> [1] 2390
#> 
#> $n_internal
#> [1] 604
#> 
#> $prop_external
#> [1] 0.7982632
#> 
#> $prop_internal
#> [1] 0.2017368        # the results of your initial function ===================
#> 
#> $ei_index
#> [1] 0.5965264

解释$ei_index应该比$prop_internal. 接近 +1 的值表示更多的异质性，而接近 -1 的值表示更多的同质性。

如果这符合您的目标，这里有一些替代的 E/I 指数选项：

Michal Bojanowski 的日常。它不在 CRAN 上，但可以在https://github.com/mbojan/isnar上找到

isnar::ei(gg, "group") 
#> [1] 0.5965264

完全披露：这是我自己的例行公事。这个包肯定是未完成的，它绝对不在 CRAN 上。https://knapply.github.io/homophily/reference/ei_index.html

homophily::ei_index(gg, node_attr_name = "group")
#> [1] 0.5965264