在R中：iGraph和STATNET如何在测量网络集中化时处理断开的图

Question

我正在与大约300个不同大小的断开网络连接。 我使用R中的STATNET和iGraph软件包为这些网络计算了不同的图形级集中化度量。

但是，我发现N = 2的子图中的节点被分配给iGraph的特征向量中心度度量的最高值为1。 结果，具有许多孤立二元组的网络获得了很高的图级特征向量集中化分数。

在我的网络中，这不是一个有效的结果，因为这些网络连接不良，因此，从理论上讲，其中央集权分数应较低。

有谁知道这些度量如何处理断开的图？ 有没有办法解决这个问题？ 另外，还有其他方法可以评估这些网络的结构吗？

欢迎任何帮助。 谢谢！

Answer 1

对于不连续的图，特征向量中心性不是很好定义的，因为各个组件的中心性得分彼此独立。 可以通过将一个组件的中心得分乘以一个大常数（例如10000）来增加其中心得分，然后再次将中心得分归一化为1。 所得向量仍将满足特征向量中心方程。 因此，您应该只为连接的图计算特征向量中心。 如果图形中有多个组件，请先将其分解为连接的组件，然后仅计算和比较各个组件的特征向量中心点。