Graph Network基础知识

Graph Network基础知识

基本概念

1. 图的表示
   点和边
   有向图、无向图
   表示方法：邻接矩阵
   （出度：由该点出发的线路数、入度：指向该点的线路数、子图、连通图：两两相互连通、连通分量：无向图中的极大连子图）
   强连通图：参考向量首尾相连
   

弱连通图：一对节点不单向连通，去掉方向后是连通图

2. 最短路径、图直径
   最短路径：最短距离
   图直径：两两结点最短路径最大值
3. 中心性
   度中心性：$\frac{N_{degree}}{n-1}$
   特征向量中心性：$A\ast x=\lambda \ast x$
   中介中心性：$\frac{经过该节点的最短路径}{其余两两节点的最短路径}$
   连接中心性：$\frac{n-1}{节点到其他节点最短路径之和}$

网页排序算法

(1)PageRank：类似水流的均分排序法

(2)HITS：

Netwokx代码

1. 定义：pd.DataFrame()
   定义起点、终点、权三个数列
   nx.from_pandas_edgelist()
2. 度：nx.degree()
3. 连通分量：nx.connected_components()
4. 图直径：nx.diameter()
5. 度中心性：nx.degree_centrality()
6. 特征向量中心性：nx.eugenvector_centrality()
7. 中介中心性：nx.betweens_centrality()
8. 连接中心性：nx.closeness_centrality()
9. nx.pagerank()
10. nx.hits()