Skip to content

Data Science › Network Analysis › 網路分析入門

網路分析入門 (Introduction to Network Analysis) ​

網路分析處理的是關係結構本身:誰和誰有連結、資訊或流量怎麼穿越網路、哪些節點扮演橋樑。網路的資訊不只在 node 與 edge 的清單,而在它們組成的結構;分析目標是把結構轉成可解讀的問題,例如重要性、路徑、群聚與推薦。

先做建模選擇 ​

算任何指標之前,先定義:

決定問題例子
Node代表什麼實體?人、站點、蛋白質、基因、細胞
Edge代表什麼關係?互動、可通行路線、物理結合、共表現、相似度
方向關係有方向嗎?追蹤、引用、轉錄調控(TF → target)有方向;PPI、好友無方向
權重關係有強度、距離或成本嗎?互動次數、相關係數、信心分數、運輸成本

node 與 edge 的語意沒先釐清,後面所有指標都可能失去意義。

網路類型NodeEdge典型問題
社交網路人互動或關係誰有影響力?
交通網路站點可通行路線最有效率的路徑?
合作網路使用者共同參與同一個 repo / 專案誰跨越多個合作圈?該推薦誰合作?
PPI 網路蛋白質物理或功能交互作用哪些蛋白是 hub?哪些模組對應 complex?
基因調控網路轉錄因子、基因調控關係(有向)哪些 TF 是 master regulator?

Graph 類型 ​

類型意義NetworkX影響
無向 (undirected)關係雙向nx.Graph()degree 只有一種
有向 (directed)關係有方向nx.DiGraph()in-degree 與 out-degree 回答不同問題;路徑要順著方向走
多重圖 (multigraph)同一對節點可有多條邊nx.MultiGraph() / MultiDiGraph()多次互動不該被壓成單一連結
加權 (weighted)邊帶強度或成本edge attribute weight最短路徑可能不是邊數最少,而是成本最低
python
import networkx as nx

G = nx.Graph()
G.add_node("TP53", type="TF")
G.add_edges_from([("TP53", "MDM2"), ("TP53", "CDKN1A"), ("MDM2", "MDM4")])
G.add_edge("TP53", "ATM", weight=0.9, source="STRING")      # edge attribute

G.number_of_nodes(), G.number_of_edges()     # (5, 4)
G.nodes(data=True); G.edges(data=True)        # 連同屬性
list(G.neighbors("TP53"))                    # ['MDM2', 'CDKN1A', 'ATM']

# 從 edge list DataFrame 建圖(最常見)
G = nx.from_pandas_edgelist(edges, source="protein1", target="protein2",
                            edge_attr="combined_score")

建好圖後先檢查 node / edge 數量、屬性與連通分量是否合理,再算指標。

中心性 (Centrality) ​

指標直覺回答注意
Degree直接連了多少邊誰最活躍 / 最多直接連結?只看鄰居,會高估「熱鬧但不關鍵」的節點
Betweenness多常出現在其他節點對的最短路徑上誰是橋樑、瓶頸?計算量大(大圖用 k= 抽樣近似)
Closeness到其他所有節點的平均距離倒數誰能最快觸及全網?不連通圖要小心定義
Eigenvector / PageRank連到重要節點的節點也重要誰在核心圈?有向圖用 PageRank
python
deg = nx.degree_centrality(G)                  # degree / (n - 1)
btw = nx.betweenness_centrality(G)             # 大圖:nx.betweenness_centrality(G, k=500, seed=0)
clo = nx.closeness_centrality(G)
pr = nx.pagerank(G)

top = sorted(btw, key=btw.get, reverse=True)[:10]

Degree vs betweenness

兩個緊密群體以一條路徑相連:群內節點 degree 高,但橋樑節點(以及兩端的 0、7)betweenness 最高。degree 低不代表不重要;移除橋樑節點,網路就斷成兩半。

生資網路中 hub(高 degree)常是研究較多的基因:文獻研究偏差 (study bias) 會讓熱門基因累積更多已知交互作用。比較 degree 前,考慮用資料驅動的網路或校正研究次數。

路徑 ​

問題NetworkX
兩點最短路徑nx.shortest_path(G, a, b)、加權:weight="cost"
所有最短路徑nx.all_shortest_paths(G, a, b)
最短路徑長度nx.shortest_path_length(G, a, b)
是否連通、連通分量nx.is_connected(G)、nx.connected_components(G)

最短路徑的定義要和 edge 意義一致:權重代表距離或成本時,不能只看 hop 數;權重代表相似度或信心時(相關係數、STRING score),要先轉成距離(例如 1 - score 或 -log(score))再算最短路徑,否則會找到「最不相似」的路徑。

Clique 與 Subgraph ​

clique 是一組兩兩完全相連的節點,最小的非平凡 clique 是三角形。maximal clique 是無法再加入任何節點而仍是 clique 的 clique,常用來找緊密群體(如蛋白質複合體)的起點。

python
cliques = list(nx.find_cliques(G))                    # 所有 maximal cliques
largest = max(cliques, key=len)

# 大圖先聚焦局部:某節點及其鄰居的子圖
nodes = [hub] + list(G.neighbors(hub))
sub = G.subgraph(nodes).copy()                        # subgraph 預設是 view,要修改時 copy
ego = nx.ego_graph(G, hub, radius=2)                  # 兩步內的鄰域

真實網路太大時,直接看全圖只是一團毛球。常見節奏:全圖找重要節點 → 取鄰居建子圖 → 在局部檢查社群、橋接或推薦機會。

視覺化是推理工具,不是裝飾 ​

視覺化可以快速看出團塊、橋樑、緊密區域與局部鄰域是否合理,但 layout 不是數學事實:換一個 layout 或 seed,圖看起來可能完全不同,相近的位置也不代表相近的關係。判斷要回到指標。

python
import matplotlib.pyplot as plt
pos = nx.spring_layout(G, seed=0)                     # 固定 seed 才能重現
nx.draw(G, pos, node_size=[300 * btw[n] + 20 for n in G], with_labels=False)

大型或需要註解的生物網路用 Cytoscape 或 Gephi 畫較方便。

工作流程 ​

  1. 定義 node、edge、方向與權重
  2. 建圖,檢查節點、邊、屬性、連通分量
  3. 判斷是有向、無向、加權還是多重圖問題
  4. 先算 degree,再看 betweenness 與最短路徑
  5. 圖太大時切子圖做局部檢查
  6. 懷疑有緊密群體時看 clique 或社群偵測
  7. 回到原本的任務:影響力、路徑、社群或推薦

推薦不一定要從 user-item 矩陣出發,也可以從 graph 結構出發:例如推薦「朋友的朋友」中共同鄰居最多的人(nx.common_neighbors、nx.jaccard_coefficient)。

常見錯誤 ​

錯誤後果
把任何關聯資料都硬畫成 graph,沒有清楚的 edge 意義指標無法解讀
忽略有向 vs 無向in / out 角色混在一起、走不通的路徑被算進去
把高 degree 當成所有形式的重要性漏掉橋樑節點
只看視覺化不看指標被 layout 誤導
不切子圖,硬讀全圖看不出結構
把 clique 或社群當成絕對真實的群體它們取決於建模定義與演算法