修改密码

请输入密码
请输入密码 请输入8-64长度密码 和 email 地址不相同 至少包括数字、大写字母、小写字母、半角符号中的 3 个
请输入密码
提交

修改昵称

当前昵称:
提交

申请证书

证书详情

Please complete this required field.

  • Ultipa Graph V4

Standalone

Please complete this required field.

Please complete this required field.

服务器的MAC地址

Please complete this required field.

Please complete this required field.

取消
申请
ID
产品
状态
核数
申请天数
审批时间
过期时间
MAC地址
申请理由
审核信息
关闭
基础信息
  • 用户昵称:
  • 手机号:
  • 公司名称:
  • 公司邮箱:
  • 地区:
  • 语言:
修改密码
申请证书

当前未申请证书.

申请证书
Certificate Issued at Valid until Serial No. File
Serial No. Valid until File

Not having one? Apply now! >>>

ProductName CreateTime ID Price File
ProductName CreateTime ID Price File

No Invoice

搜索
    中文

      中介中心性

      ✓ 文件回写 ✓ 属性回写 ✓ 直接返回 ✓ 流式返回 ✕ 统计值

      概述

      中介中心性(Betweenness Centrality)衡量节点处于其它任意两点间最短路径之中的概率。该概念由 Linton C. Freeman 于 1977 年提出,能有效地计算出在图的多个部分间起桥梁或媒介作用的点。

      中介中心性的取值范围是 0 到 1,节点的分值越大,对于网络流通性或连通性的影响力越大。

      相关资料如下:

      基本概念

      最短路径

      在连通图中,两点间的最短路径(Shortest Path)是指经过的边数最少(非权重图)或所有边的权重和最小(权重图)的路径。

      在上面的非权重图中,红、绿两点间存在三条最短路径,其中有两条经过黄色节点,因此,黄色节点对于红绿节点对的中介概率为 2 / 3 = 0.6667

      中介中心性

      在本算法中,节点的中介中心性分值计算公式为:

      其中,x 为待计算的目标节点,ij 为图中互异的任意两个节点(不包含 x),σij 点对最短路径的数量,σ(x)ij 点对经过 x 的最短路径的数量,σ(x)/σ 就是 x 对于 ij 点对的中介概率(ij 不连通时该概率为 0),k 为图中节点的数量,(k-1)(k-2)/2ij 节对的数量。

      计算上图中红色节点的中介中心性。图中共有 5 个节点,除了红色节点有 (5-1)(5-2)/2 = 6 组点对,红色节点对于各节点对的中介概率分别为 0、1/2、2/2、0、2/3 和 0,因此其中介中心性分值为 (0 + 1/2 + 2/2 + 0 + 2/3 + 0) / 6 = 0.3611

      中介中心性算法会消耗很多计算资源。在图 G = (V, E) 中,建议当 |V| > 10,000 时通过采样进行近似计算,推荐的采样个数是节点数以 10 为底的对数(log(|V|))。

      每次执行算法时,只进行一次采样,每个节点的中心性分值是所有样本节点间的最短路径计算的。

      特殊说明

      • 孤点的中介中心性分值为 0。
      • 中介中心性算法忽略边的方向,按照无向边进行计算。在包含 k 个节点的无向图中,参与计算的点对数量是 (k-1)(k-2)/2

      语法

      • 命令:algo(betweenness_centrality)
      • 参数:
      名称
      类型
      规范
      默认
      可选
      描述
      sample_size int -1, -2, [1, |V|] -1 采样节点数,-1 代表采样数为 log(|V|)-2 代表不采样进行精确计算
      limit int ≥-1 -1 返回的结果条数,-1 返回所有结果
      order string asc, desc / 按中心性分值大小对结果进行排序

      示例

      示例图是一个小型社交网络,点代表 user,边代表 know 关系:

      文件回写

      配置项 回写内容
      filename _id,centrality
      algo(betweenness_centrality).params().write({
        file:{ 
          filename: "centrality"
        }
      })
      

      结果:文件 centrality

      Billy,0
      Jay,0.0666667
      May,0.0666667
      Mark,0.133333
      Ann,0.133333
      Dave,0.333333
      Sue,0
      

      属性回写

      配置项 回写内容 类型 数据类型
      property centrality 点属性 float

      示例:计算所有点的中介中心性,将中介中心性回写至名为 bc 的点属性

      algo(betweenness_centrality).params().write({
        db:{ 
          property: "bc"
        }
      })
      

      结果:每个节点的中心性分值回写至名为 bc 的点属性下

      直接返回

      别名序号 类型 描述 列名
      0 []perNode 点及其中心性 _uuid, centrality
      algo(betweenness_centrality).params({
        order: "desc",
        limit: 3
      }) as bc
      return bc
      

      结果:bc

      _uuid centrality
      2 0.33333299
      4 0.13333300
      3 0.13333300

      流式返回

      别名序号 类型 描述 列名
      0 []perNode 点及其中心性 _uuid, centrality
      algo(betweenness_centrality).params().stream() as bc
      where bc.centrality == 0
      return count(bc)
      

      结果:2

      请完成以下信息后可下载此书
      *
      公司名称不能为空
      *
      公司邮箱必须填写
      *
      你的名字必须填写
      *
      你的电话必须填写
      *
      你的电话必须填写