PageRank precondicionado por bloques para análisis de centralidad e intervención en redes comerciales

Summary

Este protocolo calcula la centralidad basada en PageRank y evalúa intervenciones dirigidas en redes comerciales integrando ganancia direccional basada en análisis de componentes principales, ponderación de bordes multifuente y un solucionador lineal de subespacio Krylov precondicionado por bloques para mejorar la estabilidad numérica y la reproducibilidad.

Abstract

Las redes comerciales están moldeadas por factores heterogéneos (por ejemplo, geografía, estructura de categorías y rendimiento operativo), por lo que un único indicador financiero puede no reflejar el papel estructural de un nodo en el sistema global. Este protocolo extrae direcciones de características de baja dimensión mediante análisis de componentes principales y aplica una comprobación de consistencia de espectro emparejado basada en una matriz de bloques simplécticos estructurada para mejorar la fiabilidad de las direcciones seleccionadas. Usando estas direcciones, el flujo de trabajo construye un grafo dirigido ponderado que fusiona similitud espacial, sinergia entre categorías de negocio y un término de ganancia direccional derivado de gradientes de características. La centralidad se calcula resolviendo el sistema lineal PageRank con un método residual mínimo generalizado precondicionado por bloques, con convergencia explícita y puntos de control diagnósticos reportados para la reproducibilidad. El flujo de trabajo se demuestra en agregados minoristas a nivel estatal (49 nodos) de un conjunto de datos público, donde un pequeño número de componentes principales captura la mayor parte de la varianza de características y soporta ponderaciones direccionales estables. Finalmente, el protocolo evalúa una intervención dirigida de fuerte a débil reasignando una fracción cuantificada del peso de las aristas de nodos de alta centralidad a nodos de baja centralidad y recalculando PageRank bajo la misma configuración de personalización. En general, este protocolo permite a los usuarios construir una red comercial multifuente interpretable, calcular centralidad numéricamente verificada del PageRank y probar políticas de intervención con diagnósticos claramente definidos.

Introduction

Las redes comerciales (por ejemplo, sistemas minoristas a nivel estatal y distritos comerciales regionales) están formadas por actores heterogéneos que cooperan y compiten. Sus interacciones están moldeadas por la ubicación espacial, la estructura de las categorías y el movimiento direccional de clientes y mercancías. Como resultado, los indicadores de punto único (por ejemplo, solo las ventas) pueden no reflejar objetivamente el papel estructural de un nodo en la^{red 1,2,3}. Las empresas dentro del mismo distrito pueden diferir notablemente en escala y condiciones operativas, y sus interacciones están además condicionadas por el contexto espacial y la afluencia temporal. Por lo tanto, los indicadores heurísticos y las clasificaciones simples de ventas pueden ser insuficientes para caracterizar la posición de la red y el refuerzo o inhibición entre^{nodos 3}.

La teoría de redes complejas ofrece una perspectiva holística para cuantificar la importancia de los nodos. PageRank (PR) estima la importancia simulando una caminata aleatoria y se ha utilizado ampliamente en modelos de clasificación y difusión. Trabajos previos muestran que la PR puede generalizarse a configuraciones ponderadas reemplazando la matriz de adyacencia por una matriz de pesos y utilizando la fuerza de nodos en lugar de grado⁴. Las formulaciones de PR ponderadas equilibran además las contribuciones basadas en grados y fortalezas mediante parámetros ajustables y se han aplicado a redes de dependencia económica^{a gran escala 5}. Las dependencias derivadas de la movilidad y el gasto entre lugares también se han utilizado para construir redes basadas en el comportamiento que vinculan patrones de centralidad con la resiliencia económica^{urbana 6}. Estudios recientes que integran datos urbanos multifuente destacan que las clasificaciones de un solo indicador a menudo no representan mecanismos multifactoriales, lo que motiva la construcción de redes que modelan conjuntamente la estructura y los atributos⁷. La evidencia en la granularidad de los distritos de negocios sugiere de manera similar que la cantidad, la diversidad de categorías y la estructura de categorías moldean conjuntamente la vitalidad comercial y deben modelarse^{conjuntamente 2}. Análisis relacionados que conectan la centralidad con los patrones de instalaciones y la accesibilidad refuerzan aún más la necesidad de capturar tanto la estructura relacional como las características contextuales en entornos comerciales^8˒9.

Metodológicamente, la literatura señala dos necesidades prácticas que a menudo se abordan poco en los estudios aplicados de redes comerciales. Primero, cuando se usan atributos multivariantes para construir pesos direccionales o informados por características, la estabilidad de las direcciones extraídas debe comprobarse explícitamente en lugar de asumir⁷. En segundo lugar, el cálculo de centralidad debe informar de puntos de control diagnósticos reproducibles (por ejemplo, comprobaciones de esparsidad/conectividad y convergencia del solucionador) para que los resultados sean verificables más allá de una única salida de clasificación^4˒5.

A pesar de este avance, muchos estudios aplicados siguen informando de clasificaciones sin (i) una comprobación explícita de estabilidad para la información direccional extraída de características multivariantes, (ii) puntos de control reproducibles que verifiquen la esparsidad/conectividad del grafo y la convergencia numérica, y (iii) una evaluación de intervención parametrizada y comparable entre los entornos ^1,2,3. Este protocolo aborda estas lagunas haciendo auditable el flujo de trabajo completo: extrae direcciones de características de baja dimensión, verifica la consistencia de direcciones, construye un grafo dirigido ponderado de múltiples fuentes y calcula la centralidad de PR usando un solucionador iterativo numéricamente estable y preacondicionado por bloques con diagnósticos claramente informados. Además, evalúa una intervención dirigida de fuerte a débil bajo un entorno fijo de personalización para cuantificar cómo las intervenciones redistribuyen la centralidad de manera comparativa.

En comparación con las variantes de PR que solo reponderan aristas o añaden capas, este flujo de trabajo proporciona resultados medibles que los usuarios pueden verificar y comparar directamente: (i) una contribución direccional interpretable a nivel de aristas, (ii) diagnósticos intermedios explícitos (objetivos explicados por varianza, comprobaciones de esparsidad/conectividad y flags de convergencia del solucionador), y (iii) una métrica de intervención-efecto que cuantifica los cambios en PR para conjuntos de fuente/objetivos especificados bajo un ajuste de personalización fijo. Este protocolo es más adecuado cuando los nodos representan unidades comerciales espacialmente ubicadas (por ejemplo, estados, ciudades, distritos, plataformas) con coordenadas y características operativas multivariantes, y cuando el espacio de características presenta una estructura estable de baja dimensión en lugar de escasez extrema o ruido de baja señal.

Protocol

1. Preparación y normalización de datos

1. Importa y filtra el conjunto de datos. Importar un conjunto de datos de pedidos públicos minoristas y conservar registros de 2014–^{2017 18}.
2. Define nodos. Defina el conjunto de nodos V como estados de EE. UU. y mantenga estados con observaciones suficientes para que |V|=49. Sea n=|V|.
3. Construir vectores de características a nivel de nodo. Para cada nodo i\in V, agrega los registros de transacciones y calcula un vector de características de 16 dimensiones_{x i}∈R¹⁶. El vector de características incluye estadísticas de ventas (total, media, desviación estándar y rango), estadísticas de beneficio (total, media, desviación estándar y rango), estadísticas de cantidad (total, media, desviación estándar), estadísticas de descuento (media y desviación estándar) y tres indicadores adicionales que consisten en margen de beneficio (Margen de beneficio), recuento de pedidos (RecuentoPedidos) y beneficio medio por pedido (AvgOrderProfit).
4. Manejo determinista de valores faltantes y estabilizador numérico. Sustituye cualquier entrada de característica derivada que falte por 0 y registra el número de reemplazos. Defina un estabilizador fijo δ=^10-12 para denominadores que pueden acercarse a cero en cálculos posteriores (usado en la Ecuación 4).
5. Estandariza las características. Aplicar la normalización Z-score entre nodos para obtener la matriz de características estandarizada X _std∈R^49×16.
   PUNTO DE CONTROL 1: Verifica que X_{\text{std}} es 49\ por 16 y que no falten entradas tras la estandarización y confirma que la suma de la clase siguiente a 49.
6. Define clases de ventas para la estratificación. Dividir los nodos en tres clases (Bajo/Medio/Alto) según tertiles de ventas totales y tamaños de clase récord (Bajo: 16; Medio: 17; Máxima: 16)¹⁸. Denótese la pertenencia a la clase por c(i) ∈ {L,M,H}.

2. Reducción de dimensionalidad de PCA validada por JRS (JRS-PCA)

1. Estimación de covarianza. Calcula la matriz de covarianza C a partir de X_{\text{std}} de la siguiente manera.
   C = cov(X_estándar) (1)
2. Extracción de componentes principales. Calcular los primeros k pares propios de C usando una autodescomposición dispersa y establecer k = 4 por defecto.
3. Varianza explicada. Registrar la varianza explicada por cada componente principal y la varianza acumulada explicada por los PCs 1–4².
4. Representación de puntuación en PC. Para cada nodo i, calcula el vector de puntuación PC z_i\in\mathbb{R}^k y registra (_{z i,1,z i,2}) para visualizarlo en una dispersión PC1–PC2 coloreada por clase de ventas.
5. Construcción de bloques JRS. Construye la matriz de bloques simplécticos estructurada en JRS de la siguiente manera.
   S = diag(C,-C) (2)
6. Consistencia de espectro emparejado con emparejamiento explícito. Calcula los valores propios de S, particiónalos en conjuntos positivo y negativo, ordena los valores propios positivos en orden descendente y ordena los valores absolutos de los valores propios negativos en orden descendente, emparejalos por índice y calcula la desviación máxima de emparejamiento \max_j|\lambda^+_j+\lambda^-_j|. Esta regla de coincidencia fija el detalle de implementación para la^{reproducibilidad 2}.
   PUNTO DE CONTROL 2: Informa la varianza acumulada explicada por los PCs 1–4 y reporta para confirmar una estructura estable de baja dimensión antes de la construcción de ganancia^{direccional 2}.

3. Construcción de un grafo dirigido ponderado de múltiples fuentes

1. Pesos de similitud espacial. Para cada par ordenado (i,j), calcula el peso del núcleo gaussiano espacial de la siguiente manera:
   (3)
   Aquí p_i = (_{x i,y i}) denota la coordenada del centroide del nodo i y σ es el ancho de banda, fijado por defecto en 10.0.
2. Pesos de sinergia basados en clases. Define la línea base de sinergia w_syn(i,j) usando la relación sales-class del paso 1.6.
   Establecer w_syn(i,j)=0,6 cuando c(i) = c(j), setw_syn(i,j)=0,4 cuando las clases son adyacentes (Bajo–Medio o Medio–Alto), y establecer w_syn(i,j) = 0,2 cuando las clases no son adyacentes (Bajo–Alto).
3. Ganancia direccional PCA. Calcular la dirección unitaria estabilizada en el espacio de puntuación de PC mediante
   (4)
   con δ=^10-12 . Defina la puntuación de alineación no negativa a lo largo de PC1 usando la dirección de referencia r = (1,0,...,0)^⊤ como
   (5)
   Define la penalización de la misma clase como
   (6)
   y calcular el peso de ganancia direccional mediante
   w_ori(i,j) = β⋅w_sin(i,j) ⋅ g(i,j) ⋅ π(i,j) (7)
   con β=1,0. La penalización π(i,j) implementa una ligera reducción de ponderación de la misma clase para fomentar enlaces entre clases mientras se preserva la conectividad dentro de la clase⁵.
4. Fusión de peso y eliminación del auto-lazo. Fusiona pesos multifuente para formar la matriz de pesos dirigidos
   (8)
   y fijar diag(_{W total}) = 0 para eliminar auto-lazos.
5. Matriz de inspección simétrica (opcional). Calcular la matriz proxy simétrica
      (9)
   Solo para inspección.
6. Esparsificación con validación cuantitativa. Conserva el primer q% de entradas no nulas en el_total W (por defectoq=35%) para obtener la matriz de adyacencia dirigida dispersa_{A dir}. Registrar nnz(_{A dir}) y densidad², y opcionalmente aplicar la misma regla de esparsificación a_{ToW sym} para obtener_{A sym} para la inspección².
   PUNTO DE CONTROL 3: Tras la esparsificación, informar de nnz(_{A dir}) y densidad, informar del número de componentes débilmente conectados (objetivo: 1) y comprobar si alguna suma de columna es cero. Si existen columnas de suma cero, aplica el manejo de nodos colgantes en el Paso 4.1². Si la esparsificación desconecta el grafo, relaja la stringencia de esparsificación secuencialmente del 35% al 30% y luego al 25%, repitiendo el punto de control tras cada ajuste.

4. Solución de PageRank LGMRES precondicionada por bloques de categoría

1. Matriz de transición columna-estocástica con manejo de nodos colgantes. Calcular las sumas de columnas de_{A dir} y formar la matriz diagonal D. Para cualquier columna de suma cero, se sustituye esa columna por el vector de personalización u antes de la normalización, y se forma la matriz de transición columna-estocástica por
   W_c = A_dir ^D-1 (10)
2. PageRank como un sistema lineal. Define PageRank con el factor de amortiguamiento α(defaultα=0.85) y el vector de personalización u por
   p = (1-α)u + αW_c^⊤p (11)
   y resolver el sistema lineal equivalente
   (I-( I -αW_c^⊤)p = (1 - α)u (12)
   (II-con M = I - αW_c^⊤ andb = (1-α)u.
3. Precondicionador de bloque de categoría derecho. Extraer subbloques diagonales de M correspondientes a clases Bajos/Medios/Altos y ensamblar una aproximación bloque-diagonal P^{-1} usando pseudoinversos para cada subbloque diagonal. Para índices que no están cubiertos por un bloque, se utiliza el recíproco de la entrada diagonal de M como respaldo diagonal¹⁹.
4. Solución iterativa e informes diagnósticos. Resolver Mp = b usando un solucionador residual mínimo generalizado de memoria limitada con precondicionador derecho ^P-1 , configurado como rtol = 1e−6, atol = 0, maxiter = 500, inner_m = 30, outer_k =^{3 19}. Registra la bandera de información del solver (objetivo: 0), el residuo relativo final ‖Mp - b‖₂/‖b‖₂ , y la iteración externa cuenta¹⁹.
5. Normalización y comprobaciones de validez. Si aparecen valores negativos pequeños, recórtalos a 0 y registra la magnitud máxima recortada, luego renormaliza para que ∑_ip_i = 1 .
   PUNTO DE CONTROL 4: Informar información, informar ‖Mp - b‖₂/‖b‖₂, informar , y reportar ∑_ip_i como diagnósticos de reproducibilidad en lugar de afirmaciones cualitativas¹⁹.

5. Comparación de experimentos y resultados de intervención

1. Selección de origen y objetivo. Usando un vector de personalización fijo u, define los tres nodos superiores por la línea base p como el conjunto fuente S y los tres nodos inferiores como el conjunto objetivo T, y registra los nodos^{seleccionados 2}.
2. Fuerza de intervención con una restricción de límite. Elige ε en[0.05,0.15] de modo que el peso inyectado de cada nodo fuente no supere el 10% de la suma original de peso saliente de ese nodo tras la esparsificación, y registra ε junto con la proporción inyectado/original por nodo^{fuente 2}.
3. Actualización determinista del peso de aristas. Calcular el peso medio positivo de la arista en_{A dir}
   , luego actualiza cada par ordenado (s,t) con s ∈ Sandt ∈ T por
   _A'dir(s,t) = A_dir(s,t) + εw (13)
   y recalcular W_c desde A'_{\text{dir}} como en el Paso 4.1 manteniendo α y tú sin cambios.
4. Recalcula el PageRank y cuantifica el cambio. Repite los pasos 4.2–4.5 para obtener p', calcula Δp=p'-p y reporta cambios absolutos y relativos para los nodos en S y T². Verifica que los diagnósticos del solver permanezcan dentro de los objetivos (info = 0; residual ≤ rtol) tras la intervención².
   PUNTO DE CONTROL 5: Informe \varepsilon, informe de la proporción inyecta/original por nodo fuente, informe de la información del solucionador y los residuos antes y después de la intervención, y informe de un resumen Δ p para S y^{T 2}.

Results

Condiciones experimentales y datos

Todos los análisis se realizaron en un ordenador de sobremesa con un sistema operativo Windows. El flujo de trabajo se implementó en Python 3.12 usando NumPy, Pandas, SciPy y Matplotlib, y la semilla aleatoria se fijó en 2025 para soportar la reproducibilidad¹⁸. Se filtró un conjunto de datos de pedidos públicos minoristas para conservar registros de 2014 a^2017....

Discussion

Este protocolo proporciona un flujo de trabajo reproducible para evaluar la centralidad y evaluar intervenciones dirigidas en redes comerciales a nivel de estado, integrando la construcción de grafos ponderados de múltiples fuentes, la ganancia direccional derivada de PCA y un solucionador de PageRank LGMRES precondicionado por bloques^{de categoría 18˒23}. En lugar de presentar la centralidad como un único resultado de clasificació...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Matplotlib	Equipo de Desarrollo de Matplotlib		v3.8+ Generación de figuras y visualización de resultados de centralidad/intervención
NumPy	Desarrolladores NumPy		v1.26+ Operaciones numéricas de matrices y cálculo de matrices
Pandas	Equipo de Desarrollo Pandas		v2.2+ Limpieza de datos, agregación y gestión de datos tabulares
Python	Fundación de Software Python		v3.12 Entorno de programación central para el procesamiento de datos y la ejecución de modelos
SciPy	Comunidad SciPy		v1.13+ Álgebra lineal dispersa y soporte de solucionadores iterativos (por ejemplo, LGMRES)