Skip to content

Data Science › Network Analysis › 二分網路與時間演變

二分網路與時間演變 (Bipartite and Evolving Networks) ​

很多真實網路一開始是兩類實體的關係(客戶–商品、學生–論壇、作者–論文、基因–疾病、細胞–基因、藥物–標靶),直接當一般網路看會漏掉分組結構的意義。網路也會隨時間改變,需要把時間切片後比較。

二分網路 (Bipartite Graph) ​

兩組不同類型的節點,邊只跨組、不在同組內直接相連。關係是透過另一組實體間接產生的,所以 projection、centrality 與過濾都必須尊重這個分工。

例子組 U組 V邊
電商客戶商品購買
論壇學生論壇發文
生醫基因疾病已知關聯(DisGeNET)
藥理藥物蛋白質標靶結合(DrugBank、ChEMBL)
文獻作者論文共同署名
python
import networkx as nx
from networkx.algorithms import bipartite

B = nx.Graph()
B.add_nodes_from(df["gene"].unique(), bipartite="gene")      # 用 node attribute 標記分組
B.add_nodes_from(df["disease"].unique(), bipartite="disease")
B.add_edges_from(df[["gene", "disease"]].itertuples(index=False, name=None))

genes = {n for n, d in B.nodes(data=True) if d["bipartite"] == "gene"}
bipartite.is_bipartite(B)                                     # True
bipartite.degree_centrality(B, genes)                         # 分母用對面組的大小

從 DataFrame 建圖的關鍵是 schema:哪些欄是節點身分、哪些是 metadata、每一列代表一次互動、一篇貼文還是一次共同出現。列的意義不清楚,圖從第一步就會建錯。注意兩組節點名稱若可能重複(基因與疾病都有 "ALS"),要加前綴區分。

二分網路中一側節點的最大可能連結數是另一側的節點數。直接用一般的 nx.degree_centrality() 會用錯分母,比較時要用 bipartite.degree_centrality。

Projection:重新定義 edge ​

projection 保留一側節點,兩個節點只要共同連到另一側的某個節點就相連。

二分網路的邊projection 後的邊
客戶–商品客戶買過商品兩位客戶買過至少一個相同商品
基因–疾病基因與疾病有關兩個基因共享至少一個疾病
python
G_genes = bipartite.projected_graph(B, genes)                 # 無權重
G_w = bipartite.weighted_projected_graph(B, genes)            # weight = 共享鄰居數
G_j = bipartite.overlap_weighted_projected_graph(B, genes)    # Jaccard 權重
風險做法
「共同購買」被誤解為「彼此直接有關係」在報告中明確寫出 projected edge 的意義
熱門的另一側節點(暢銷商品、被研究最多的疾病)讓大量節點彼此相連,形成假 hub用共享數或 Jaccard 加權,再過濾;或改用統計顯著性(超幾何檢定)定義邊
projection 丟失資訊(共享 1 個 vs 共享 50 個)用加權 projection

過濾 (Filtering) ​

真實互動網路常非常稠密。過濾不是資料作弊,而是把焦點放回真正強的關係:

過濾例子
依 edge 權重 / 互動次數門檻sale_count >= 5、STRING combined_score >= 700
依時間範圍只看某季
依節點屬性或子集某個分組、某個 pathway
python
strong = nx.Graph((u, v, d) for u, v, d in G_w.edges(data=True) if d["weight"] >= 3)

門檻是分析決策,要報告;換幾個門檻看結論是否穩定。

存成檔案 ​

網路資料在實務上多以 node list + edge list(各含 metadata)存成 CSV,容易交換、與 pandas 串接。要明確定義 source / target 欄、edge 與 node 屬性、是否有向、分組標記,否則 read_edgelist() 讀得進去不代表語意也保留了。需要保留屬性與型別時用 GraphML(nx.write_graphml)。

視覺化二分網路時,用一般 layout 常很難讀;保留分組的版面(nx.bipartite_layout、Circos plot、兩欄排列)較能看出共享模式。

時間演變 (Evolving Graphs) ​

溝通、論壇、合作、交易網路都會隨時間改變。常見做法是時間切片:

text
依時間窗切資料 → 每個窗建一張圖 → 對每張圖算同一組指標 → 把指標當時間序列看
python
import pandas as pd

rows = []
for period, chunk in events.groupby(pd.Grouper(key="timestamp", freq="MS")):   # 每月
    Gt = nx.from_pandas_edgelist(chunk, "student", "forum")
    rows.append({"period": period, "n_nodes": Gt.number_of_nodes(), "n_edges": Gt.number_of_edges(),
                 "density": nx.density(Gt), "n_components": nx.number_connected_components(Gt)})
stats = pd.DataFrame(rows).set_index("period")
stats.plot(subplots=True)
指標回答
節點數、邊數網路在擴張還是縮小?
density連結是否變密?
連通分量數、最大分量比例是否整合成一體?
特定節點的 centrality 隨時間誰逐漸變得核心?
選擇取捨
窗口大小太小:每張圖太稀疏、雜訊大;太大:看不到變化
不重疊 vs 滑動窗口滑動窗口較平滑,但相鄰點不獨立
累積圖 vs 窗內圖累積圖的指標只會單調變化,不適合看活躍度

不要只看「圖看起來變密了」,要把固定的一組指標畫成時間序列。

案例:學生–論壇發文網路 ​

  1. 從 DataFrame 建二分圖(學生、論壇;邊 = 發文)
  2. projection 成學生–學生或論壇–論壇圖
  3. 依發文次數過濾邊
  4. 視覺化局部或整體結構
  5. 按月比較各時間切片的指標
常見錯誤
忘記標記分組後面無法正確 projection 或算二分指標
projection 後沿用原始邊的意義「共享」被當成「直接關係」
強弱連結混在一起、不過濾結構被雜訊淹沒
只用整段期間的單一圖忽略結構隨時間改變
用一般 centrality 比較二分節點分母錯誤