Lohkomallinnus - Blockmodeling
| Verkkotiede | ||||
|---|---|---|---|---|
|
||||
| Verkkotyypit | ||||
| Kaaviot | ||||
|
||||
| Mallit | ||||
|
||||
| ||||
Lohkomallinnus on joukko tai johdonmukainen kehys , jota käytetään sosiaalisen rakenteen analysointiin ja myös menettelyjen määrittämiseen sosiaalisen verkoston yksiköiden ( solmut , pisteet , toimijat ) osioimiseksi (ryhmittelemiseksi ), jotka perustuvat tiettyihin malleihin, jotka muodostavat erottuva rakenne yhteenliitettävyyden kautta. Sitä käytetään pääasiassa tilastoissa , koneoppimisessa ja verkkotieteissä .
Koska empiirinen menettelyä , blockmodeling olettaa, että kaikki yksiköt tietyssä verkossa voidaan ryhmitellä yhteen siinä määrin, johon ne ovat vastaavia. Vastaavuuden osalta se voi olla rakenteellinen, säännöllinen tai yleinen. Käyttäen blockmodeling, joka on verkko voidaan analyzied käyttämällä uusille blockmodels , joka muuntaa suuri ja monimutkainen verkko pienempään ja ymmärrettävämpi yksi. Samaan aikaan lohkomallinnusta käytetään sosiaalisten roolien operatiivistamiseen .
Bonacich ja McConaghy väittävät, että osa sisällöstä, jonka mukaan lohkomalli on vain klusterointimenetelmiä, "on teoreettisesti perusteltu ja algebrallinen lähestymistapa suhteiden rakenteen analysointiin". Blockmodelingin ainutlaatuinen kyky on se, että se ei pidä rakennetta pelkästään suorien suhteiden joukkona, vaan ottaa huomioon myös kaikki muut mahdolliset suorasuhteisiin perustuvat yhdistelmäsuhteet.
Lohkomallinnuksen periaatteet esittivät ensimmäisen kerran Francois Lorrain ja Harrison C. White vuonna 1971. Lohkomallinnusta pidetään "tärkeänä verkkoanalyysityökalujen joukkona", koska se käsittelee roolirakenteiden (sosiaalisten rakenteiden hyvin määritellyt paikat, myös ja sosiaalisten verkostojen perusrakenne. Mukaan Batagelj , ensisijainen "tavoite blockmodeling on vähentää suuri, mahdollisesti epäyhtenäinen verkon pienempi ymmärrettävää rakenne, joka voidaan tulkita helpommin". Blockmodeling oli aluksi käytettiin analyysiin Sociometry ja psykometrian , mutta on nyt levinnyt myös muiden tieteiden.
Määritelmä
Verkko järjestelmänä koostuu (tai määritellään) kahdesta eri joukosta: yksi yksikköjoukko (solmut, pisteet, toimijat) ja yksi joukko linkkejä yksiköiden välillä. Molempien joukkojen avulla on mahdollista luoda kaavio , joka kuvaa verkon rakennetta.
Lohkomallinnuksen aikana tutkijalla on kaksi ongelmaa: miten osiot osioidaan (esim. Miten määritetään klusterit (tai luokat), jotka sitten muodostavat pisteitä lohkomallissa) ja miten sitten määritetään linkit lohkomallissa (ja samaan aikaan näiden linkkien arvot).
Kun analysoidaan sosiaalista verkostoa ( yhteiskuntatieteissä ), verkostot ovat yleensä sosiaalisia verkostoja , jotka koostuvat useista yksilöistä (yksiköistä) ja niiden joukosta valituista sosiaalisista suhteista (linkit). Koska tällaiset reaalimaailman verkot voivat olla suuria ja monimutkaisia, lohkomallinnusta käytetään yksinkertaistamaan ne pienemmiksi rakenteiksi, joita voi olla paljon helpompi tulkita. Erityisesti lohkomallinnus jakaa osiot klustereiksi ja määrittää sitten siteet mainittujen klustereiden välillä. Samaan aikaan lohkomallinnusta voidaan käyttää selittämään tällaisessa verkossa olemassa olevat sosiaaliset roolit , koska oletetaan, että luotu yksikköryhmä jäljittelee (tai liittyy läheisesti) yksiköiden sosiaalisiin rooleihin.
Lohkomallinnus voidaan siten määritellä joukkona lähestymistapoja yksiköiden jakamiseksi klustereiksi (tunnetaan myös nimellä sijainnit) ja linkkeiksi lohkoiksi, jotka uudet hankitut klusterit edelleen määrittelevät. Lohko (myös lohkomalli) määritellään alimatriisiksi, joka osoittaa yhteenliitettävyyden (linkit) solmujen välillä, jotka ovat samoissa tai eri klustereissa. Kukin näistä klusterin tehtävistä on määritelty joukolla suoria siteitä muihin sosiaalisiin asemiin ja niistä. Nämä linkit (yhteydet) voivat olla suunnattuja tai ohjaamattomia; saman objektiparin välillä voi olla useita linkkejä tai niissä voi olla painoja. Jos verkossa ei ole useita linkkejä, sitä kutsutaan yksinkertaiseksi verkostoksi.
Matriisi (joka voidaan näyttää myös kaaviona) koostuu järjestetyistä yksiköistä riveissä ja sarakkeissa niiden nimien perusteella. Tällaiset järjestetyt yksiköt jaetaan (osioidaan) samankaltaisuuden perusteella: yksiköt, joilla on samanlainen linkkimalli, osioidaan yhteen samoihin klustereihin. Rypäleet järjestetään sitten yhteen siten, että samoista klustereista peräisin olevat yksiköt sijoitetaan vierekkäin ja säilytetään siten yhteenliitettävyys. Seuraavassa vaiheessa yksiköt (samoista klustereista) muutetaan lohkomalliksi. Tämän avulla muodostuu yleensä useita lohkomalleja, joista toinen on ydinryhmä ja toinen yhtenäinen; ydinryhmä on aina kytketty yhteenkuuluviin ryhmiin, kun taas yhtenäisiä ei voi linkittää yhteen. Solmujen ryhmittely perustuu vastaavuuteen , kuten rakenteelliseen ja säännölliseen. Matriisimuodon ensisijainen tavoite on visuaalisesti läsnä olevat suhteet klusteriin kuuluvien henkilöiden välillä. Nämä siteet koodataan dikotomisesti (sellaisenaan tai puuttuvat), ja matriisimuodon rivit osoittavat sidosten lähteen, kun taas sarakkeet edustavat mainittujen siteiden kohdetta.
Ekvivalenssilla voi olla kaksi peruslähestymistapaa: vastaavilla yksiköillä on sama yhteyskuvio samoille naapureille tai näillä yksiköillä on sama tai samanlainen yhteyskuvio eri naapureille. Jos yksiköt on kytketty muuhun verkkoon samalla tavalla, ne ovat rakenteellisesti vastaavia. Yksiköt voivat myös olla säännöllisesti vastaavia, kun ne on kytketty vastaavasti muihin vastaaviin.
Lohkomallinnusta käytettäessä on otettava huomioon, että mittausvirheet vaikuttavat tuloksiin tietojen hankinnan alkuvaiheessa.
Erilaisia lähestymistapoja
Erilainen lähestymistapa on tarpeen sen suhteen, millaista verkkoa lohkomallinnetaan. Verkot voivat olla yhden tai kahden tilan. Edellisessä kaikki yksiköt voidaan liittää mihin tahansa muuhun yksikköön ja joissa yksiköt ovat samantyyppisiä, kun taas jälkimmäisessä yksiköt on kytketty vain eri tyyppisiin yksiköihin. Yksiköiden väliset suhteet voivat olla yksittäisiä tai monisuhteisia verkostoja. Lisäksi verkot voivat olla ajallisia tai monitasoisia, myös binäärisiä (vain 0 ja 1) tai allekirjoitettuja (sallitaan negatiiviset siteet)/arvot (muut arvot ovat mahdollisia).
Eri lähestymistavat lohkomallinnukseen voidaan ryhmitellä kahteen pääluokkaan: deterministinen lohkomallinnus ja stokastinen lohkomallinnus . Deterministinen lohkomallinnus jaetaan edelleen suoriin ja epäsuoriin lohkomallinnusmenetelmiin.
Suorat lohkomallinnusmenetelmät ovat rakenteellinen vastaavuus ja säännöllinen vastaavuus . Rakenteellinen ekvivalenssi on tila, jossa yksiköt on kytketty muuhun verkkoon samalla tavalla, kun taas säännöllinen vastaavuus tapahtuu, kun yksiköt liittyvät yhtäläisesti muihin vastaaviin (yksiköt eivät välttämättä jaa naapureita, mutta niillä on naapuri, jotka ovat itse samanlainen).
Epäsuorat lohkomallinnusmenetelmät, joissa osiointia käsitellään perinteisenä klusterianalyysiongelmana ( samankaltaisuustulosten mittaaminen ( epä ) samankaltaisuuden matriisista) ovat:
Bruscon ja Steinleyn (2011) mukaan lohkomallinnus voidaan luokitella (käyttämällä useita ulottuvuuksia):
- deterministinen tai stokastinen lohkomalli ,
- yhden tai kahden tilan verkot ,
- allekirjoitetut tai allekirjoittamattomat verkot ,
- tutkiva tai vahvistava lohkomallinnus .
Lohkomallin luominen
Lohkomallinnus koostuu periaatteessa kolmesta vaiheesta. Ensimmäisessä vaiheessa määritetään yksiköiden lukumäärä. Tämän jälkeen (toisessa vaiheessa) valitaan tai määritetään sallitut lohkot, joita esiintyy, ja ehkä myös matriisin sijainnit. Viimeinen, kolmas vaihe, käyttäen tietokoneohjelmaa, yksiköiden osiointi suoritetaan ennalta asetettujen ehtojen mukaisesti ja lisäksi lopullinen matriisi valitaan saadulle mallille. Tämän avulla lohkomalli luodaan.
Erikoisohjelmat
Lohkomallinnus tehdään erikoistuneilla tietokoneohjelmilla , jotka on omistettu verkkojen analysointiin tai erityisesti lohkomallinnukseen, kuten:
- BLOCKS ( Tom Snijders ),
- CONCOR ,
- Malli ( Vladimir Batagelj ),
- Malli2 (Vladimir Batagelj),
- Pajek (Vladimir Batagelj ja Andrej Mrvar ),
- R –pakettilohkon mallinnus ( Aleš Žiberna ),
- StOCNET (Tom Snijders), ...
Katso myös
- Stokastinen lohkomalli
- Matemaattinen sosiologia
- Roolinjako
- moniobjektiivinen lohkomallinnus
- linkitettyjen verkkojen lohkomallinnus