igraph包计算中的贴近度和最短路径函数定义是什么？

我在正在处理的一些数据中发现了一个奇怪的结果，并决定使用以下矩阵测试closeness和shortest.path函数

test<-c(0,0.3,0.7,0.9,0.3,0,0,0,0.7,0,0,0.5,0.9,0,0.5,0)
test<-matrix(test,nrow=4)
colnames(test)<-c("A","B","C,","D")
rownames(test)<-c("A","B","C,","D")
test
    A   B   C   D
A 0.0 0.3 0.7 0.9
B 0.3 0.0 0.0 0.0
C 0.7 0.0 0.0 0.5
D 0.9 0.0 0.5 0.0

grafo=graph.adjacency(abs(test),mode="undirected",weighted=TRUE,diag=FALSE)

这仅仅是重量的总和，而不是距离（1-重量）

当我将距离定义为1-weight时，我得到

> 1/((1-0.7)+((1-0.7)+(1-0.3))+(1-0.5))
[1] 0.5555556

在igraph手册中，它在公式中说，它是距离的总和。我的问题是，函数实际上考虑了权重，因此它是一个bug，还是我们应该考虑（并修改）我们的图的边作为距离来运行这个函数？< /P> 同样的问题也出现在shortest.paths函数中。顺便说一句，它给出的是权重的总和，而不是距离

> shortest.paths(grafo)
    A   B   C   D
A 0.0 0.3 0.7 0.9
B 0.3 0.0 1.0 1.2
C 0.7 1.0 0.0 0.5
D 0.9 1.2 0.5 0.0

---

谢谢。

你从哪里得到距离=1重量的定义？我很确定所有这些函数都是在假设

distance=weight

@josilber的情况下运行的。我从相关系数得到了邻接矩阵。在这种情况下，两个节点的接近度越高，它们的相关性就越强。然而，在我的图中使用距离=权重的贴近度将导致相反的假设。我知道有些图可能会使用权重作为标准程序的距离。我这样问是因为，在没有的情况下，这可能会产生误导，因为手册中提到了这一点。也许可以查看

？is.weighted

帮助页面。但在igraph库中，将边的权重解释为节点之间的距离是很常见的。@MrFlick这是我问题的一部分。我真的不知道组成边缘权重的数据的范围或多样性。这就是为什么我问weight=distancfe是一个正确/常见的定义，还是一个错误的定义。好像我不知道。但在手册中对此进行说明会有所帮助。甚至可以在函数中使用一个字段来处理此问题……您是否阅读了

？is.weighted

帮助页面？在我看来，这似乎涵盖了这一点：“边权重由不同的函数用于不同的目的。例如，最短路径函数使用它作为路径的成本；社区查找方法使用它作为两个顶点之间关系的强度，等等。有关详细信息，请查看使用加权图的函数手册页。”

> 1/((1-0.7)+((1-0.7)+(1-0.3))+(1-0.5))
[1] 0.5555556

> shortest.paths(grafo)
    A   B   C   D
A 0.0 0.3 0.7 0.9
B 0.3 0.0 1.0 1.2
C 0.7 1.0 0.0 0.5
D 0.9 1.2 0.5 0.0