Python NetworkX带参数k的中间性中心性，端点

我想问一下，是否有人可以解释参数k和端点的含义，其可用于networkx模块中的中间性中心性算法

以下是networkx中中间性中心性度量的源代码。

k k用于确定是否使用近似算法

如果未设置k，则对图中的所有起点运行最短路径算法，否则仅对起点的k个随机选择运行最短路径算法

因此，k允许您控制精度和速度之间的权衡。k的值越小，得到的答案越快，但越接近

端点 端点是控制距离定义的布尔值。假设我们有点A和点B，它们由一条边连接。我们可以把从A到B的最短路径看作是一条边或两个节点

将端点设置为false使用第一个定义（计算边），将端点设置为true使用第二个定义（计算节点）。

k k用于确定是否使用近似算法

如果未设置k，则对图中的所有起点运行最短路径算法，否则仅对起点的k个随机选择运行最短路径算法

因此，k允许您控制精度和速度之间的权衡。k的值越小，得到的答案越快，但越接近

端点 端点是控制距离定义的布尔值。假设我们有点A和点B，它们由一条边连接。我们可以把从A到B的最短路径看作是一条边或两个节点

---

将端点设置为false使用第一个定义（计算边），将端点设置为true使用第二个定义（计算节点）。

将端点设置为true或false有什么区别？你还写了更小的k，给出了更近似的答案。不是相反吗？对于较小的k，计算速度更快，但结果不如对于较大的k，那么精确？谢谢你的回答，这清楚地为我阐明了论点。你对k的看法是正确的，较小的k更快，但不那么精确。所以要正确，k代表节点的数量，对吗？例如，我有一个由10000个节点组成的图，a我选择k=5000，所以计算将只对5000个随机垂直方向进行？但有可能计算将使用许多断开的组件，对吗？以及将端点设置为真或假之间的区别是什么？你还写了更小的k，给出了更近似的答案。不是相反吗？对于较小的k，计算速度更快，但结果不如对于较大的k，那么精确？谢谢你的回答，这清楚地为我阐明了论点。你对k的看法是正确的，较小的k更快，但不那么精确。所以要正确，k代表节点的数量，对吗？例如，我有一个由10000个节点组成的图，a我选择k=5000，所以只对5000个随机垂直度进行计算？但有可能会使用大量断开的组件进行计算，对吗？