Tugraph Analytics图计算快速上手之紧密中心度算法_带权网络中紧密中心性怎么算-优快云博客

文章讲解了如何在TuGraph中实现ClosenessCentrality算法，用于测量节点间紧密程度，适用于社交网络关键节点挖掘。并提到了开源平台GeaFlow和社区支持。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作者：张武科

概述

**紧密中心度（Closeness Centrality）**计量了一个节点到其他所有节点的紧密性，即该节点到其他节点的距离的倒数；节点对应的值越高表示紧密性越好，能够在图中传播信息的能力越强，可用以衡量信息流入或流出该节点的能力，多用与社交网络中关键节点发掘等场景。

算法介绍

对于图中一个给定节点，紧密性中心性是该节点到其他所有节点的最小距离和的倒数：
在这里插入图片描述

其中，u表示待计算紧密中心度的节点，d(u, v)表示节点u到节点v的最短路径距离；实际场景中，更多地使用归一化后的紧密中心度，即计算目标节点到其他节点的平均距离的倒数：
在这里插入图片描述

其中，n表示图中节点数。

算法实现

首先，基于AlgorithmUserFunction接口实现ClosenessCentrality，如下：

@Description(name = "closeness_centrality", description = "built-in udga for ClosenessCentrality")
public class ClosenessCentrality implements AlgorithmUserFunction<Long, Long> {
   

    private AlgorithmRuntimeContext context;
    private long sourceId;

    @Override
    public void init(AlgorithmRuntimeContext context, Object[] params) {
   
        this.context = context;
        if (params.length != 1) {
   
            throw new IllegalArgumentException("Only support one arguments, usage: func(sourceId)");
        }
        this.sourceId = ((Number) params[0]).longValue();
    }

    @Override
    public void process(RowVertex vertex, Iterator<Long> messages) {
   
        List<RowEdge> edges = context.loadEdges(EdgeDirection.OUT);
        if (context.getCurrentIterationId() == 1L) {
   
            context.sendMessage(vertex.getId(), 1L);
            context.sendMessage(sourceId, 1L);
        } else if (context.getCurrentIterationId() == 2L) {
   
            context.updateVertexValue(ObjectRow.