文本挖掘:社交网络、社群划分
degree(g,normalized?=?T)?#相对点中心度=绝对点中心度/最大度数(可以作为不同网络结构的比较,相对数与绝对数的区别)?? 代码解读:Mode是点入度、点出度的区别;normallized=T是计算相对点中心度。
点度频率每种点度数的个数/所有点个数(比如(1,4)点度数分别为1,2,密度是1/4,1/4,0/4,2/4)。 点度频率跟相对点中心度有一定的相似性,相对来说,点度频率、相对数比绝对数更好,因为相对数可以跨越不同网络进行比较。实战中,点度频率以及相对数中心度比较有用。 2、接近中心度——点出度、点入度、相对接近中心度该点与网络中其他点距离之和的倒数,越大说明越在中心,越能够很快到达其他点。与点度中心度不同的是,点度更强调某点的相对价值;而接近中心度是某点在网络的价值。 在g的1-2 2-1 3-4中,点2的接近中心度为1/(1+4+4)(1为2与1的距离,4为2到3的距离,因为没有指向3的,所以用网络点的总数量)
与点度中心度一样,有出度、入度还有相对中心度之分。 3、中间中心度——点的中心度以及线的中心度中心度可以说明,哪些点、线中介效应最强。 (1)点的中心度——betweenness点的中心度,代表最短距离是否都经过该点,如果都经过说明这个点很重要。也是强调点与网络的价值,而且更能说明转发、中介的情况。
点的中心度也有点出、点入以及相对数情况。 这里可以看到某点的中间中心度,某点betweenness(g,V(g)$label=="c") (2)线的中间中心度——edge.betweenness
如果你要返回某条线的中间中心度,edge.betweenness(g,e=E(g,path=c(which(V(g)$label=="a"),which(V(g)$label=="c")))),e就代表起点,终点的线。 4、点的特征向量中心度——evcent如果某人四周都是大牛人,那么这个人也很牛逼,这个方法是根据相邻点的重要性来衡量该点的价值。首先计算邻接矩阵,然后计算邻接矩阵的特征向量。
该函数会计算所有点的相邻矩阵,所以耗时巨大。算法原理中的,如果计算邻接矩阵,每个邻接点的权重笔者还不是很能看懂。。。 同时,scale=T,可以将输出的数据归一化。 另外一个机遇特征向量中心度的指标是:page.rank特征向量中心度。这个是谷歌开发的,对于一些搜索的竞价排名做的指标。原理跟特征向量中心度差不多: 计算邻接矩阵——按行标准化——计算矩阵的特征向量。
(编辑:PHP编程网 - 湛江站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |