图的属性
平均度
无向图: 所有节点的度数总和/节点数
有向图: 所有节点的度数总和/(节点数*2)
通过这个可以看出哪些节点的度高,反应出连接他的点就多,就越关键
例如上图:平均度=
188=2.571
平均加权度
有向图:每个节点的边的权重之和/节点数
无向图:每个节点的边的权重之和/(节点数*2)
图密度
无向图: 边数*2/(节点数*节点数-节点数)
有向图: 边数/(节点数*节点数-节点数)
大概理解: (节点数*节点数-节点数) 这个计算出最多的连接边数(不包含连自己) , 用实际边数除以最大可能边数,即为密度, 结果越大表示图中节点连接越紧密
PS:为什么有向图要除以2?我们可以发现无向图的每条边都计算了2次,而有向图的一条边只能计算一次。
资源
- 复杂网络社区发现方法总结
- Modularity是啥:Fast unfolding of communities in large networks
- GN算法:
GN算法中的难点就是最短路径问题,最短路径算法无非就是DijKstra算法和Floyd算法(帮助理解迪杰斯特拉算法) - 社区发现算法FastUnfolding的GraphX实现