A fundamental measure that has long received attention in both theoretical and empirical network research is the clustering coefficient. This measure assesses the degree to which nodes tend to cluster together. Evidence suggests that in most real-world networks, and in particular social networks, nodes tend to create tightly knit groups characterised by a relatively high density of ties (Holland and Leinhardt, 1971; Watts and Strogatz, 1998).

PropertyValue
dbpprop:abstract
  • A fundamental measure that has long received attention in both theoretical and empirical network research is the clustering coefficient. This measure assesses the degree to which nodes tend to cluster together. Evidence suggests that in most real-world networks, and in particular social networks, nodes tend to create tightly knit groups characterised by a relatively high density of ties (Holland and Leinhardt, 1971; Watts and Strogatz, 1998). In real-world networks, this likelihood tends to be greater than the average probability of a tie randomly established between two nodes (Holland and Leinhardt, 1971; Watts and Strogatz, 1998). Two versions of this measure exist: the global and the local. The global version was designed to give an overall indication of the clustering in the network, whereas the local gives an indication of the embeddedness of single nodes.
  • Der Clusterkoeffizient (engl. clustering coefficient) ist in der Graphentheorie ein Maß für den Grad der Verlinkung in einem Graphen. Man unterscheidet den lokalen Clusterkoeffizienten für einen bestimmten Knoten des Graphen und den globalen Clusterkoeffizienten für den gesamten Graphen (auch Vernetzungsgrad). Der lokale Clusterkoeffizient eines Knotens <math>i</math> in einem Graphen <math>G</math> bezeichnet in der Graphentheorie den Quotienten aus der Anzahl der Kanten, die zwischen seinen <math>k_i</math> Nachbarn tatsächlich verlaufen (<math>n</math>), und der Anzahl Kanten, die zwischen diesen Nachbarn maximal verlaufen können (<math>\tfrac{1}{2} k_i </math>). Der Clusterkoeffizient <math>C_i</math> eines Knotens <math>i</math> berechnet sich daher wie folgt: <math>C_i = \frac{2n}{k_i (k_i-1)}. </math> In dem nebenstehenden Graph hat der Knoten 1 die Nachbarn 2 und 5. Zwischen diesen Nachbarn ist eine Kante möglich und auch vorhanden, so dass der Clusterkoeffizent <math>C_1=1</math> ist. Der Knoten 2 hat 3 Nachbarn, zwischen denen 3 Kanten möglich sind, jedoch sind nur die Nachbarknoten 1 und 5 durch eine Kante verbunden. Der Clusterkoeffizent <math>C_2</math> ist daher <math>\tfrac{1}{3}</math>. Der globale Clusterkoeffizient gibt das Verhältnis der vorhandenen Links zu den möglichen Links an. Ein vollständiger Graph, in dem jeder Knoten mit jedem verbunden ist, hat den maximal möglichen Clusterkoeffizient 1. Der globale Clusterkoeffizient lässt sich auch als Mittelwert der lokalen Clusterkoeffizienten aller Knoten berechnen. Kleine-Welt-Netzwerke haben einen sehr hohen durchschnittlichen Clusterkoeffizienten. In einem Zufallsgraphen ist der Clusterkoeffizient im Gegensatz zu natürlichen Netzwerken relativ gering.
  • El coeficiente de agrupamiento (mencionado en la literatura también como clustering coefficient) de un vértice en un grafo cuantifica como está de agrupado (o interconectado) con sus vecinos. Se puede decir que si el vértice está agrupado como un clique (grafo completo) su valor es máximo, mientras que un valor pequeño indica un vértice poco agrupado en la red. Duncan J. Watts y Steven Strogatz introduced the measure in 1998 para determinar si un grafo es una red de mundo pequeño. Se suele representar formalmente como <math>C_i</math>. En algunas ocasiones dentro del mundo de la teoría de redes se denomina a este coeficiente también como transitividad.
  • A klaszterezettség a gráfelméletben azt mutatja meg, hogy mennyire gyakori, hogy egy gráf egy csúcsának szomszédai egymásnak is a szomszédai, azaz milyen közel vannak a csúcsok szomszédai által feszített részgráfok a teljes gráfhoz. A fogalmat Duncan J. Watts és Steven Strogatz vezette be 1998-ban a kis-világ tulajdonság vizsgálatára. A hálózati topológia vizsgálatában az átlagos távolság és a fokszámeloszlás mellett az egyik legfontosabb jellemző.
dbpprop:hasPhotoCollection
rdf:type
rdfs:comment
  • A fundamental measure that has long received attention in both theoretical and empirical network research is the clustering coefficient. This measure assesses the degree to which nodes tend to cluster together. Evidence suggests that in most real-world networks, and in particular social networks, nodes tend to create tightly knit groups characterised by a relatively high density of ties (Holland and Leinhardt, 1971; Watts and Strogatz, 1998).
  • Der Clusterkoeffizient (engl. clustering coefficient) ist in der Graphentheorie ein Maß für den Grad der Verlinkung in einem Graphen. Man unterscheidet den lokalen Clusterkoeffizienten für einen bestimmten Knoten des Graphen und den globalen Clusterkoeffizienten für den gesamten Graphen (auch Vernetzungsgrad).
  • El coeficiente de agrupamiento (mencionado en la literatura también como clustering coefficient) de un vértice en un grafo cuantifica como está de agrupado (o interconectado) con sus vecinos. Se puede decir que si el vértice está agrupado como un clique (grafo completo) su valor es máximo, mientras que un valor pequeño indica un vértice poco agrupado en la red. Duncan J. Watts y Steven Strogatz introduced the measure in 1998 para determinar si un grafo es una red de mundo pequeño.
  • A klaszterezettség a gráfelméletben azt mutatja meg, hogy mennyire gyakori, hogy egy gráf egy csúcsának szomszédai egymásnak is a szomszédai, azaz milyen közel vannak a csúcsok szomszédai által feszített részgráfok a teljes gráfhoz. A fogalmat Duncan J. Watts és Steven Strogatz vezette be 1998-ban a kis-világ tulajdonság vizsgálatára. A hálózati topológia vizsgálatában az átlagos távolság és a fokszámeloszlás mellett az egyik legfontosabb jellemző.
rdfs:label
  • Clustering coefficient
  • Clusterkoeffizient
  • Coeficiente de agrupamiento
  • Klaszterezettség
owl:sameAs
skos:subject
foaf:page
is dbpprop:redirect of
is owl:sameAs of