度中心性#

度中心性是衡量相对重要性的最简单方法，基于计算每个顶点的连接数。连接数最多的顶点通过此方法被视为最中心。

有关该算法的更多详细信息，请参阅维基百科上的度中心性。

顶点 𝑣 的度中心性是该节点入射边的总和。

\[ C_d(v) = \frac{{\text{顶点的度}}{{\text{图中顶点的数量}} - 1}} \]

何时使用度中心性#

  • 当您需要快速识别非常简单结构数据中的重要节点时。

  • 在协作网络等所有链接重要性相等的情况下。

  • 在许多生物学和交通网络中，仅连接数量对于识别关键节点（无论是蛋白质还是机场）很重要。

  • 在大型图中，度中心性是最快捷的

何时不使用度中心性#

  • 当边的权重、方向或类型很重要时

  • 存在自环的图

  • 多重图（在相同两个节点之间存在多条边的图）

  • 通常情况下，度中心性在数据复杂或细微的大多数场景中表现不足。

计算开销如何？#

虽然 cuGraph 的并行性降低了运行时间，大O表示法仍然是比较算法成本的标准。

度中心性的成本是 O(n)，其中 n 是节点数。

版权所有 (c) 2023-2025, NVIDIA CORPORATION.

根据 Apache 许可证，版本 2.0 (“许可证”) 获得许可；除非遵守许可证，否则您不得使用此文件。您可以在 https://apache.ac.cn/licenses/LICENSE-2.0 获取许可证副本。

除非适用法律要求或书面同意，根据许可证分发的软件按“原样”分发，不附带任何明示或暗示的保证或条件。有关许可证下特定语言的管理权限和限制，请参阅许可证。