R语言中复杂网络常用中心性计算

复杂网络概况

复杂网络理论方法为从系统角度揭示结点之间相关性提供了一种新的工具，能够定量刻画网络结构，揭示网络内部架构和联系。根据结点之间的联系是否有方向，可分为无向网络和有向网络；根据结点之间的联系是否有强弱，可分为无权网络和加权网络。具体地，复杂网络一般可分为以下四种：无权无向网络，无权有向网络，加权无向网络，加权有向网络。

常见中心性计算

在网络中，中心性是衡量结点重要性的关键指标。不同的中心性所反映的信息不同。以下通过R常见中心性的计算。（以无向加权网络为例，若为无权网络时，有些中心性计算数值相同）

edge[[i]] <- graph.adjacency(adja_matrix[[i]],mode = "undirected",weighted = TRUE)  #将邻接矩阵转化为图

data[,"特征向量中心性"] <- evcent(edge[[i]], scale = F)$vector

data[,"点度中心度"] <- degree(edge[[i]],mode="total")

data[,"相对点中心度"] <- degree(edge[[i]],normalized = T)

data[,"接近中心性"] <- closeness(edge[[i]],normalized = T)

data[,"介数中心性"] <- betweenness(edge[[i]],normalized = T)

data[,"PR中心性"] <- page_rank(edge[[i]])$vector