Graph Twitter的中间性中心是否同时考虑了追随者和追随者?
我正在寻找Twitter上一组用户的中间性中心 介数中心性被认为是一个节点在两个节点之间的最短路径中出现的比例 我搞不清楚关键字“path”或“edges”是指跟随者还是跟随者,还是他正在跟随的用户的跟随者。我计划使用jgrapht,但我不清楚这个概念Graph Twitter的中间性中心是否同时考虑了追随者和追随者?,graph,graph-algorithm,Graph,Graph Algorithm,我正在寻找Twitter上一组用户的中间性中心 介数中心性被认为是一个节点在两个节点之间的最短路径中出现的比例 我搞不清楚关键字“path”或“edges”是指跟随者还是跟随者,还是他正在跟随的用户的跟随者。我计划使用jgrapht,但我不清楚这个概念 提前感谢中间性中心性度量通过节点的最短路径的比例。由于最短路径的含义在有向图和无向图之间略有不同,您应该首先考虑如何将数据表示为一个图 在没有特定用例的进一步上下文的情况下,更自然的做法是将Twitter图表示为一个定向的图,其中每个用户都表示为
提前感谢中间性中心性度量通过节点的最短路径的比例。由于最短路径的含义在有向图和无向图之间略有不同,您应该首先考虑如何将数据表示为一个图 在没有特定用例的进一步上下文的情况下,更自然的做法是将Twitter图表示为一个定向的图,其中每个用户都表示为一个节点,边从每个用户到该用户后面的所有用户。当然,给定2个节点u和v,如果两个用户彼此跟随,则可能有2条定向边(u,v)和(v,u)。希望这能解释边缘的含义 当在介数中心度计算的上下文中引用术语“路径”时,其含义是此有向图中约2个节点之间的单个最短路径 示例: 假设我们有4个Twitter用户,分别为1、2、3和4。 假设1跟在2和4后面,2跟在3后面: 如果我们使用,我们可以计算中间值中心度,如下所示:
import networkx as nx
DG = nx.DiGraph()
DG.add_edges_from([(1, 2), (2, 3), (1, 4)])
print(nx.betweenness_centrality(DG))
并获得:
{1: 0.0, 2: 0.16666666666666666, 3: 0.0, 4: 0.0}
这意味着除节点2之外的所有节点都具有零介数中心性,节点2的值为0.16667。
这是我们得到的值,因为我们正好有一条最短路径通过节点2(从1到3),N=4和(N-1)(N-2)=6
。
为了更好地理解nx.betweenness\u centrality的工作原理,您可以查看文档。感谢您的详细阐述,但我确实理解了betweenness centrality的概念,我想知道的是它如何应用于推特数据。也许一个简短的例子会对我有所帮助。在答案中添加了一个例子,希望现在更清楚。