复杂网络的中心性

复杂网络的中心性(中心性) (译自Wiki，略有删节)D声明：英语以及专业水平不是一般地有限，翻译得不好随便喷，仅供个人参考。量和1度中心性(DegreeCentrality)度中心性是第一个，也是最简单的。度中心性被定义为一个结点的入边数。度通常被看作获取网络上流动内容的直接程度(比如病毒或者一些信息)。如果网络是有向的 (关系有向)，那么我们会分别定义两种度中心性(入度与出度)。对于之如友谊或建实际关系，我们一般将入度看作受欢迎程度、出度作为合群性。ᵃᵅ−1ᵃ(ᵃᵅ−1中心性的定义可以(从结点)扩展到图。令v*是G中度中心性最高的结点。定义X:=(Y,Z)为连接图的n个结点最大化下面的量(H)(令y*为X中度中心性最高的节点)：|ᵄ|ᵃ=∑[ᵃᵃ(ᵆ∗)−ᵃᵃ(ᵆᵅ)]ᵅ=1图G的度中心性被定义为如下：ᵃ(ᵆ)==|1[ᵃᵃ(ᵆ∗)−ᵃᵃ(ᵆᵅ)]ᵃᵃG点时，H最大(星形图)。在这种情况下H=(n1)(n2)，图G的度中心性可以化简为：ᵃᵃ(ᵃ)=∑1[ᵃᵃ(ᵆ−ᵃᵃ(ᵆᵅ)]介数(中心，边介，这个太难翻了)是结点在图中中心性的度量(同样也有边介数)。出现在许多其它结点最短路径中的结点有更高的介数值。更简洁地：量。它可以除以不包括结点v的结点对数量(对于有向图是(n1)(n2)，对于无向图是(n1)(n2)/2)来归一化。例：在一个有向星形图中，中心结点(位于所有可能的最短路径中)的介数值为(n1)(n2)/2(归一化后为1)，而叶子结点(不在任何的最短路径中)介数值为0。计算图中所有结点介数和紧密中心性包括了计算图中所有结点之间的最短距离。修ᵃᵃ特别的，处理网络图时，为了保持关系简单，通常图没有环或者重边(边代表了人或结点之间的连接)。在这种情况下，由于每条最短路径被计算两次，使用Brande算法将在拓扑学和相关数学邻域中，紧密度是拓扑空间中的一个基本概念。直观地，当两个集合是任意近的时候，我们说他们是紧密的。这一概念在一个定义了空间内元素距离的度量空间内很容易定义，但是它能够推广到没有具体度量距离的拓扑空间。有更短的测地距离)的结点有更高的紧密度。在网络分析中，紧密度倾向于表示最小路径长度，因为这样会对更多的中心结点赋予更高的值，而且它通常与其它度量(如，度)相联系。在网络理论中，紧密度是中心性的一种复杂度量。它被定义为结点v到其它可达结点的平均测地距离(比如最短路径)：∑ᵅ(ᵆ,∑ᵅ(ᵆ,ᵆ)ᵅ−1其中ᵅ≥2是从v出发在网络中连通部分V的大小。紧密度可以看作从给定结点传有人将紧密度定义为这一量的倒数，但是两种方式传播信息是一样的(这里评估速度而不是时间了)。紧密度结点v的紧密度CC(v)是到其它所有结点V的测地距离和的倒1=ᵆ∈ᵄ\ᵆᵃᵃ∑ᵅ(ᵆ,=ᵆ∈ᵄ\ᵆᵃ心性，它是随机传播的信息从网络中其它结点到达一个(给定)结点速度的度量—— (的方法)有些相似。本质上它是以结点i为终点的路径的调和平均长度，当i有很多连通图中，总的紧密度更容易计算：ᵃᵅ(ᵆ)=∑2ᵅᵃ(ᵆ,ᵆ)ᵆ∈ᵄ\ᵆ性(EigenvectorCentrality)度量。网络中每个结点都有一个相对指结点的贡献度比低指数结点的贡1.1使用邻接矩阵来寻找特征向量中心性令xi为第i个结点的(指数)值，Ai,j为网络的邻接矩阵。这样，当第i个结点是第j个对于第i个结点，中心性指数与所有连接它的结点的指数和成比例。从而ᵆᵅ=∑ᵆᵅ=ᵃᵅ,ᵅᵆᵅᵅ∈ᵄ(ᵅ)ᵅ=1AXAXX.入一般地，特征向量的解存在