Python 3.x networkx';s加权边_中间性_中心性算法需要距离还是相似性也可以?
所以我有一个无向图,由有权重(相似性分数)的边组成。我在跑步 networkx的加权Python 3.x networkx';s加权边_中间性_中心性算法需要距离还是相似性也可以?,python-3.x,algorithm,networkx,graph-theory,Python 3.x,Algorithm,Networkx,Graph Theory,所以我有一个无向图,由有权重(相似性分数)的边组成。我在跑步 networkx的加权边\介乎度\中心性算法得到了一些结果 然而,我突然想到,算法需要距离才能正常工作,因为它基于最短路径距离计算。不幸的是,在澄清这一点方面,我们缺乏足够的证据,因此我想问是否有人能够证实这一点。我假设,由于您有一个加权图,您已经将这些权重设置为边之间的距离。在这种情况下,nx.edge\u betweenness\u centrality采用一个weight参数: 权重:(无或字符串,可选(默认值=无))–如果无,
边\介乎度\中心性
算法得到了一些结果
然而,我突然想到,算法需要距离才能正常工作,因为它基于最短路径距离计算。不幸的是,在澄清这一点方面,我们缺乏足够的证据,因此我想问是否有人能够证实这一点。我假设,由于您有一个加权图,您已经将这些权重设置为边之间的距离。在这种情况下,
nx.edge\u betweenness\u centrality
采用一个weight
参数:
权重:(无或字符串,可选(默认值=无))–如果无,则认为所有边权重相等。否则,将保留用作权重的边属性的名称
通过将其设置为权重属性的名称,计算中心度度量所需的最短路径将通过
\u single\u source\u dijkstra\u path\u basic
进行计算,该方法采用权重
参数,因此最终度量将考虑距离。我的权重是相似的。但从你的回答中,我看到这应该是一种距离,而不是相似性。所以我的体重必须是(1-相似分数)。这对我来说是有意义的是@Mamonu