本文介绍了社交网络分析中的四种中心性概念——度中心性、接近中心性、中介中心性和特征向量中心性，以帮助识别网络中的关键人物。度中心性衡量联系数量，接近中心性反映与他人距离，中介中心性表示作为桥梁的角色，特征向量中心性关注影响力而非直接联系。
设想一个年级中，有十几个班级，所有班级的同学和老师，大家都通过社交软件相互联系。
在这样一个关系网络中，如何识别出哪些人是交际花，哪些人是具有影响力的人呢？
这就要涉及到中心度的概念了，本文介绍四种中心性(Centrality)。度中心性(Degree Centrality)，接近中心性(Closeness Centrality)，中介中心性(Betweenness Centrality)和特征向量中心性(Eigenvector Centrality)。
网络设定
在本文设想的问题中，两个人之间如果相互有聊天消息的来往，则认为两人之间有联系，由此可以构建出无向图。为了简化起见，暂时不考虑权重的问题。
度中心性(Degree Centrality)
度中心性的定义是，与某个结点相连的链接数量。在这个问题中，与某位同学或者老师有联系的人越多，则该人的度中心性越高。显然，度中心性高的人，就是我们要寻找的“交际花”人物。在这个图中，Jack显然就是这样一个交际花。（本来想用小明小王小李之类的名字，但是发现Python画图加中文很麻烦，于是就换成英文名了……）
接近中心性(Closeness Centrality)
接近中心性的定义是，对于该结点而言，与该结点相连的其余所有结点到它的最短路的长度的均值。在我们的问题中，如果一个人的接近中心性越高&#
最低0.47元/天 解锁文章
9万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
