【图分析】中心性算法

sword_csdn

已于 2022-08-11 12:34:53 修改

阅读量2k

点赞数

分类专栏： Spark 文章标签：算法机器学习数据结构

于 2021-01-20 18:00:54 首次发布

本文链接：https://blog.youkuaiyun.com/sword_csdn/article/details/112861148

版权

本文介绍了图分析中的中心性算法，包括度中心性、接近中心性、Wasserman & Faust算法、中间中心性和PageRank算法。度中心性衡量连通度，接近中心性评估节点在群组中的中心程度，中间中心性用于查找控制点，PageRank则用于衡量图中顶点的权重，广泛应用于网页排名和社交网络影响力分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

度中心性算法：可作为连通度的基准指标。
接近中心性算法：用于度量节点在群组中的中心程度。
中间中心性算法：用于寻找控制点，包括一种近似的替代方法。
PageRank算法：用于了解总体影响，包括流行的个性化选项。
在这里插入图片描述

度中心性算法用于研究输入关系和输出关系的数量来分析影响程度。

val total_degree = graph.degrees
val in_degree=graph.inDegrees
val out_degree=graph.outDegrees
val data = total_degree.join(in_degree)

发现处于有利位置的个体，以控制和获取组织内的重要信息和资源。
（Valdis E. Krebs，《Mapping Networks of Terrorist Cells》）

在远程通信和数据包传递中作为估算到达时间的启发式函数，使要传递的信息通过最短路径流向预定义目标。该算法也可用于揭示通过所有最短路径同时进行传播的情形，例如通过局部社团扩散感染。（Stephen P. Borgatti，《Centrality and Network Flow》）

以基于图的关键短语抽取过程为基础，评估单词在文档中的重要性。（Florian Boudin，《A Comparison of Centrality Measures for Graph-Based Keyphrase Extraction》）

接近中心性算法在计算所有节点对之间的最短路径的基础上，还要计算它到其他各节点的距离之和，然后对得到的和求倒数，以确定该节点的接近中