그래프 메트릭스란?

그래프 메트릭스는 그래프의 구조를 분석하고 그래프의 특성을 측정하는 데 사용되는 수치입니다. 이러한 메트릭스를 사용하면 그래프의 중요한 특성을 파악하고, 네트워크 및 소셜 네트워크 분석 등 다양한 분야에서 유용하게 활용할 수 있습니다.

주요 그래프 메트릭스

1. Degree Centrality (연결 중심성)

Degree Centrality는 한 노드와 연결된 엣지의 수로 정의됩니다. 이는 가장 간단한 형태의 그래프 메트릭스로, 한 노드가 중심에 위치하는 정도를 나타냅니다. 네트워크에서 중요한 노드를 찾는 데 사용됩니다.

import networkx as nx

G = nx.Graph()

# 그래프에 노드 추가
G.add_nodes_from([1,2,3,4])

# 그래프에 엣지 추가
G.add_edges_from([(1,2), (1,3), (2,4)])

centrality = nx.degree_centrality(G)

print(centrality)

2. Betweenness Centrality (매개 중심성)

Betweenness Centrality는 한 노드가 다른 노드 간의 최단 경로 상에 얼마나 자주 등장하는지를 측정합니다. 이는 네트워크에서 정보나 자원의 전달을 담당하는 중개자 노드를 찾는 데 사용됩니다.

import networkx as nx

G = nx.Graph()

# 그래프에 노드 추가
G.add_nodes_from([1,2,3,4])

# 그래프에 엣지 추가
G.add_edges_from([(1,2), (1,3), (2,4)])

centrality = nx.betweenness_centrality(G)

print(centrality)

3. Closeness Centrality (근접 중심성)

Closeness Centrality는 한 노드가 다른 노드들과 얼마나 가까운지를 측정합니다. 이는 각 노드가 전체 그래프에 얼마나 가까이 위치하는지를 나타내는 중요한 메트릭스입니다.

import networkx as nx

G = nx.Graph()

# 그래프에 노드 추가
G.add_nodes_from([1,2,3,4])

# 그래프에 엣지 추가
G.add_edges_from([(1,2), (1,3), (2,4)])

centrality = nx.closeness_centrality(G)

print(centrality)

결론

이 포스트에서는 파이썬 NetworkX에서 지원하는 몇 가지 주요 그래프 메트릭스를 살펴보았습니다. 연결 중심성, 매개 중심성, 근접 중심성은 네트워크 분석에 유용한 메트릭스로 네트워크 구조의 특성을 측정하는 데 도움을 줍니다. 이러한 메트릭스를 활용하여 다양한 네트워크 관련 작업에 활용할 수 있습니다.

#python #networkanalysis