본문 바로가기
Self learning

node와 edge의 성질에 따른 그래프의 종류

by 단창 2019. 4. 25.

어떤 이론에 입각한 내용이 아니고, 내가 임의로 정의한 내용. 

 

1) edge 가 node의 유사도로 정의된 그래프 : node의 feature을 기반으로 edge을 정의. ex) fMRI,EEG기반 brain network.

2) edge 가 node사이에 일어난 사건으로 정의된 그래프 : edge로 연결된 두 node의 성질이 유사하지 않음.

     2.1) edge의 성질이 균일해서 indirect 연결이 의미가 있는경우 ex) 항공네트워크, indirect path가 의미있음. Effiency 분석이 의미있음. 인맥네트워크,(페이스북과 같은곳에서 indirect 인맥연결이 있으면 추천해서 보여줌. 상대적으로 인맥이 있을 가능성이 있음)

     2.2) edge의 성질이 균일하지만 indirect 연결이 의미 없는 경우 ex) 싸움전적네트워크(?), 싸운횟수를 edge로 정의, A-B-C , 연결의 경우, A와 B는 싸움, B와 C도 자주싸움. 그러면 A와 C는 indirect 연결되어 있으니 자주 싸울까? 알수 없음. 오히려 안싸울가능성이 큼..(적의 적은 아군 이니까??)  

     2.3) edge의 성질이 불균일해서 indirect 연결이 의미 없는 경우 ex) 중고거래 네트워크, indirect path 가 의미 없음. Effiency 분석이 의미 없음.  A 사람 <-(자전거거래)-> B사람 <-(노트북거래)-> C사람, 
이런 경우 A사람과 C사람의 관계가 없다.  

 

단 1, 2.1, 2.2, 2.3 경우 모두, degree 기반 분석이라던지, community detection 분석은 의미 있음. Feature의 성질을 이용하는 분석(ex. FeatWalk (https://arxiv.org/abs/1705.02801 )) 같은 경우는 2.2, 2.3의 경우엔 유효하지 않음. 

 

 

반응형

'Self learning' 카테고리의 다른 글

ROC curve(receiver operating characteristic)  (0) 2013.04.23
Detrend : Remove linear trends  (1) 2011.04.03