生物医学网络科学Biomedical Network Science
网络结构指标与随机图06 / 19

全局效率与局部效率

阅读
约 1 分钟

定义

Latora 与 Marchiori(2001)把“效率”定义为距离的倒数:两点越近,交换信息越“高效”;不可达时效率为 0。

全局效率(global efficiency): Eglob=1N(N−1)∑i≠j1dij.E_{\text{glob}}=\frac{1}{N(N-1)}\sum_{i\ne j}\frac{1}{d_{ij}}. 节点效率(nodal efficiency)Ei=1N−1∑j≠i1/dijE_i=\frac{1}{N-1}\sum_{j\ne i}1/d_{ij},即下文的调和中心性,EglobE_{\text{glob}} 是它的平均。 局部效率(local efficiency):设 GiG_i 为节点 ii 的邻居(不含 ii)诱导的子图, Eloc(i)=Eglob(Gi)=1ki(ki−1)∑j≠h∈Gi1djh(Gi),Eloc=1N∑iEloc(i),E_{\text{loc}}(i)=E_{\text{glob}}(G_i)=\frac{1}{k_i(k_i-1)}\sum_{j\ne h\in G_i}\frac{1}{d_{jh}^{(G_i)}},\qquad E_{\text{loc}}=\frac1N\sum_iE_{\text{loc}}(i), 其中 djh(Gi)d_{jh}^{(G_i)} 是只经过 ii 的邻居的最短路径长度。

与 LL 和 CC 的关系

  • EglobE_{\text{glob}} 是距离的调和平均的倒数,LL 是距离的算术平均。由于调和平均不大于算术平均,连通网络中 Eglob≥1/LE_{\text{glob}}\ge 1/L,二者只在所有距离相等时相同。算例:路径图 1–2–3–4 的 L=1.67L=1.67,1/L=0.601/L=0.60,而 Eglob=(3⋅1+2⋅12+13)/6≈0.72E_{\text{glob}}=(3\cdot1+2\cdot\tfrac12+\tfrac13)/6\approx0.72。
  • Eloc(i)E_{\text{loc}}(i) 回答“去掉 ii 之后,它的邻居之间还能多容易地互相到达”,可看作局部容错能力。若邻居子图中只有直接相连和不可达两种情况,Eloc(i)=CiE_{\text{loc}}(i)=C_i;邻居之间存在 2 步、3 步路径时,Eloc(i)>CiE_{\text{loc}}(i)>C_i。空手道网络中 Eloc≈0.65E_{\text{loc}}\approx0.65,略高于 C≈0.57C\approx0.57。
  • Latora 与 Marchiori 据此把小世界性重新表述为“全局效率与局部效率都高”,这一表述不依赖网络连通,也可直接用于加权网络。

加权与适用条件

加权网络中把 dijd_{ij} 换成加权最短路径长度即可(BCT 的 efficiency_wei)。加权局部效率有多种推广方式(例如三角形各边权重如何组合),不同软件、甚至同一软件的不同版本给出的数值可能不同,报告时应注明所用定义、软件与版本。

效率指标隐含“信息沿最短路径传递”的假设。在神经系统中,信号是否真正沿全局最短路径路由并无定论;BCT 因此还提供了基于随机游走的扩散效率(平均首达时间的倒数)等替代指标。把 EglobE_{\text{glob}} 称为“整合能力”时,应把它理解为对拓扑的描述,而不是对信息传递过程的测量。