图的基本介绍

图的基本定义

由于图在数据结构这门课中有介绍，在这里不再讲述。
1、图中心性
•度中心性 Degree Centrality
• 特征向量中心性 Eigenvector Centrality
• 中介中心性 Betweenness Centrality
• 连接中心性 Closeness Centrality
（1）度中心性

计算公式
以上图中刘备为例，度为6，图的节点数为10

（2）特征向量中心性 Eigenvector Centrality
A∗𝑥= 𝜆∗𝑥

特征向量中心性

从图中可以看出：图中节点v1与v5的值最大，而v2和v3分别连接v1，v5且相互连接，值也一样。v4连接v1和v5，其值仅次于节点1和5的值。

（3）中介中心性 Betweenness Centrality

公式如下图所示

以v1为例：v2到v3有最短路径，且没有经过v1，值为0；v2到v4有最短路径，且经过v1，值为1；v2到v5有两条最短路径，一条经过v1，另一条不经过v1，值为0.5；
以此类推
v3到v2值为0；v3到v4值为0；v3到v5值为0；
v4到v2值为1；v4到v3值为0；v4到v5值为0；
v5到v2值为0.5；v5到v3值为0；v5到v4值为0；
v2到其它节点(除v1)有3条，一共算4个节点，值为12.
结果
v1的中介中心值为：(0+1+0.5+0+0+0+1+0+0+0.5+0+0)/12=0.25

（4）连接中心性 Closeness


以v2为例：v2到v1最短路径为1；到v3为1；到v4为2；到v5为2；
v2的特征向量中心值为
(5-1)/6=2/3

2、网页排序算法
• PageRank
• HITS

PageRank

节点2的出度两条边，平分节点2的PageRank2的值，节点1的边为一条，为PageRank1的值。
则节点3的PageRank的值为

HITS

Hub：门户网站 hao123
Authority：百度，淘宝，天猫


从图中可以看出，v1节点的hub值为v3节点的authority值；v1的authourity值为v2的hub值。
可以这样理解，节点的hub值看成该节点指向的节点的authority值，authority值为被指向的节点的hub值。