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。