图的基础知识

一、度中心性 Degree Centrality

 

二、特征向量中心性 Eigenvector Centrality

 简单来说就是，先计算每一个节点的中心度构成一个向量，然后不断地乘以一个相同的矩阵A，构成一个新的向量，该向量继续不断地乘以A，向量中的元素比例保持不变，这个向量就是特征向量。其中的每一个元素就是特征向量中心度

三、中介中心性 Between Centrality

 

四、紧密中心性 Closeness Centrality

 

五、PageRank

 

阻尼系数0.85表示：假设节点3的pagerank传向节点4，有（1-0.85）的概率传不到节点4，二传到其它节点

六、HITS

 

此节点的hub=此节点指向其它节点，被指向节点的authority的和

此节点的authority=指向此节点的其它节点的hub的和

eg.