本文介绍了如何利用 NetworkX 访问 Nebula Graph 数据库，结合 Gephi 对《权力的游戏》人物关系进行社区划分和可视化分析。通过 Girvan-Newman 算法划分社区，Betweenness Centrality 算法确定节点重要性，最终在 Gephi 中实现美观的可视化效果。
我们都知道《权利的游戏》在全世界都很多忠实的粉丝，除去你永远不知道剧情下一秒谁会挂这种意外“惊喜”，当中复杂交错的人物关系也是它火爆的原因之一，而本文介绍如何通过 NetworkX 访问开源的分布式图数据库 Nebula Graph，并借助可视化工具—— Gephi 来可视化分析《权力的游戏》中的复杂的人物图谱关系。
数据集
本文的数据集来源：冰与火之歌第一卷(至第五卷)[1]
人物集 (点集)：书中每个角色建模为一个点，点只有一个属性：姓名
关系集(边集)：如果两个角色在书中发生过直接或间接的交互，则有一条边；边只有一个属性：权重，权重的大小代表交互的强弱。
这样的点集和边集构成一个图网络，这个网络存储在图数据库 Nebula Graph [2]中。
社区划分——Girvan-Newman 算法
我们使用 NetworkX [3] 内置的社区发现算法 Girvan-Newman 来为我们的图网络划分社区。
以下为「社区发现算法 Girvan-Newman」解释：
网络图中，连接较为紧密的部分可以被看成一个社区。每个社区内部节点之间有较为紧密的连接，而在两个社区间连接则较为稀疏。社区发现就是找到给定网络图所包含的一个个社区的过程。
Girvan-Newman 算法即是一种基于介数的社区发现算法，其基本思想是根据边介数中心性(edge betweenness)从大到小
最低0.47元/天 解锁文章
748
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
