复杂网络节点重要性评价方法的对比-基于igraph C library

本文对比了复杂网络中节点重要性的评价方法,如节点度、中心度、点介数、PageRank和特征向量,利用igraph C library进行实现。在实际业务场景中,基于微博转发和评论构建的图结构,评估了52万个节点和365万条边的影响力。结果展示数据呈现长尾分布。
摘要由CSDN通过智能技术生成

前言   

     在此之前,笔者写过一篇关于复杂网络中节点重要性评估方法的文章(http://blog.csdn.net/a_step_further/article/details/51176964),当时用spark实现过比较简单的方法。近期在业务应用中,又遇到需要对业务问题中不同用户的影响力进行分级的需求,那么重新捡起来复习下。这次使用igraph C library来做,因为它内置了不少已经开发好的接口,使用起来很是方便。本文将几种方法简单做一个对比。

方法讨论

      评价网络中节点重要性程度的主流方法有:节点度、中心度、点介数、PageRank、特征向量等,而igraph包含有所有这些方法的实现,对应关系是&#x

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值