Centralidades y keywords clave

Las métricas de centralidad identifican las keywords más importantes en la red según distintos criterios. Un keyword puede ser central porque es muy frecuente (degree), porque conecta subcampos distintos (betweenness) o porque está rodeado de keywords importantes (eigenvector).

Carga de datos

import pandas as pd
from pathlib import Path

OUTPUT = Path("../output")

cent = pd.read_csv(OUTPUT / "centralities.csv")
holes = pd.read_csv(OUTPUT / "structural_holes.csv")

print(f"Keywords con centralidades: {len(cent)}")
print(f"Keywords con agujeros estructurales: {len(holes)}")
print(f"\nColumnas centralidades: {list(cent.columns)}")
print(f"Columnas agujeros     : {list(holes.columns)}")

Keywords con centralidades: 124
Keywords con agujeros estructurales: 124

Columnas centralidades: ['keyword', 'frequency', 'degree', 'weighted_degree', 'betweenness', 'closeness', 'eigenvector', 'pagerank', 'community']
Columnas agujeros     : ['keyword', 'frequency', 'constraint', 'effective_size']

Degree vs Betweenness

El scatter plot separa las keywords en cuatro tipos:

• Alto degree + alto betweenness → pilares del campo (conectan muchos temas)
• Alto betweenness + bajo degree → puentes interdisciplinarios (conectores especializados)
• Alto degree + bajo betweenness → núcleos de comunidad (muy conectados dentro de su grupo)
• Bajo en ambos → keywords periféricas

import ast
from co_occurrence.viz.plotly_scatter import plot_degree_vs_betweenness

# Mapear IDs de comunidad a etiquetas cortas (keyword principal)
comm_df = pd.read_csv(OUTPUT / "communities_labeled.csv")
label_map = {row["community"]: row["label"].split(" / ")[0] for _, row in comm_df.iterrows()}
cent["community"] = cent["community"].map(label_map).fillna("sin comunidad")

fig = plot_degree_vs_betweenness(
    cent,
    title="Degree vs Betweenness Centrality — keywords del corpus turístico",
    height=620,
)
fig.show()

Scatter degree vs betweenness — keywords pilar y puente

Top 20 por cada métrica

import plotly.express as px

metrics = {
    "frequency": "Frecuencia (apariciones)",
    "weighted_degree": "Degree ponderado",
    "betweenness": "Betweenness centrality",
    "eigenvector": "Eigenvector centrality",
    "pagerank": "PageRank",
}

for col, label in metrics.items():
    if col not in cent.columns:
        continue
    top = cent.nlargest(15, col)[["keyword", col, "community"]].copy()
    top["community"] = top["community"].astype(str)
    fig = px.bar(
        top,
        x=col,
        y="keyword",
        orientation="h",
        color="community",
        title=f"Top 15 keywords — {label}",
        labels={col: label, "keyword": "", "community": "Comunidad"},
        height=420,
    )
    fig.update_layout(yaxis={"categoryorder": "total ascending"}, showlegend=False)
    fig.show()

Tabla interactiva de centralidades

display_cent = cent[[c for c in ["keyword", "frequency", "degree", "weighted_degree",
                                  "betweenness", "eigenvector", "pagerank", "community"]
                      if c in cent.columns]].copy()

for col in ["betweenness", "eigenvector", "pagerank"]:
    if col in display_cent.columns:
        display_cent[col] = display_cent[col].round(4)

try:
    from itables import show
    show(
        display_cent,
        caption="Centralidades de todas las keywords",
        lengthMenu=[10, 25, 50],
        scrollY="450px",
        order=[[2, "desc"]],
    )
except ImportError:
    display(display_cent.head(30))

Loading ITables v2.7.3 from the internet... (need help?)

Agujeros estructurales (Structural Holes)

Los agujeros estructurales (Burt, 1992) identifican keywords que conectan clusters que de otro modo no estarían conectados. Un constraint bajo indica que el keyword ocupa una posición de intermediación estratégica (mucha autonomía estructural).

import plotly.express as px

if "constraint" in holes.columns and "effective_size" in holes.columns:
    top_holes = holes.nsmallest(40, "constraint")

    fig = px.scatter(
        top_holes,
        x="constraint",
        y="effective_size",
        text="keyword",
        title="Agujeros estructurales: constraint vs effective size (top 40 con menor constraint)",
        labels={
            "constraint": "Constraint de Burt (menor = más autonomía)",
            "effective_size": "Tamaño efectivo de la red egocéntrica",
        },
        height=550,
    )
    fig.update_traces(textposition="top center", marker_size=8, marker_color="#9467bd")
    fig.show()
else:
    print("Columnas 'constraint' o 'effective_size' no encontradas en structural_holes.csv")
    print("Columnas disponibles:", list(holes.columns))

Agujeros estructurales — constraint vs effective size

TipInterpretación de centralidades

Keywords pilar (alto degree + alta frecuencia): son los temas centrales del corpus — “tourism”, “multivariate analysis”, “satisfaction”. Su eliminación fragmentaría la red.

Keywords puente (alto betweenness, bajo degree): conectan subcampos con pocos enlaces directos. Son candidatas a ser temas transversales o emergentes que integran metodologías distintas. Ejemplo esperado: “social media” conectando el cluster de reputación online con el cluster de comportamiento del turista.