cuGraph 中心性 Notebooks#

RAPIDS cuGraph 中心性文件夹包含一系列 Jupyter Notebooks，它们演示了用于识别和量化顶点对图结构重要性的算法。在上面的图示中，突出显示的顶点非常重要，并且可能是以下问题的答案：

  • 哪些顶点具有最高的度（最多的直接链接）？

  • 哪些顶点位于通过图的最有效路径上？

  • 哪些顶点连接着最重要的顶点？

但是哪些顶点最重要？答案取决于运行的是哪种度量/算法。本文不涵盖在图分析之前或之后的数据操作。目前正在创建更多侧重于问题的扩展版 notebooks，可在 https://github.com/rapidsai/notebooks-extended 处获取。

摘要#

算法 包含 Notebooks 描述
度中心性 Centrality, Degree 衡量每个顶点的直接连接数
介数中心性 Centrality, Betweenness 通过该顶点的最短路径数量
特征向量中心性 Centrality, Eigenvector 衡量与其他重要顶点（这些顶点也具有高连接性）的连接程度，通常被称为顶点的影响力衡量标准
Katz 中心性 Centrality, Katz 与特征向量中心性相似，但经过调整以衡量连接性较弱的图
Pagerank Pagerank 通过量化来自中心顶点的入站链接，被归类为链接分析和中心性度量
在本页

本页