current_flow_betweenness_centrality#

current_flow_betweenness_centrality(G, normalized=True, weight=None, dtype=<class 'float'>, solver='full')[源代码]#

计算节点中心度之间的当前流。

电流在中心点之间的流动采用电流模型进行信息传播，而在中心点之间的流动则采用最短路径。

电流中间中心性也称为随机游走中间中心性 [2].

参数

G图表: 网络X图表
normalized布尔值，可选(默认值=True): 如果为True，则中间值归一化为2/ [(n-1)(n-2)] 其中n为G中的节点数。
weight字符串或无，可选(默认值=无): 用作边权重的边数据的关键帧。如果没有，则使用1作为每个边权重。权重反映了边缘的容量或强度。
dtype数据类型(浮点型): 内部矩阵的默认数据类型。设置为np.flat32以降低内存消耗。
solver字符串(默认值=‘Full’): 用于计算流矩阵的线性求解器的类型。选项包括“Full”(使用最多内存)、“lu”(推荐)和“cg”(使用最少内存)。

返回

参见

笔记

电流-流量介数可以计算为 \(O(I(n-1)+mn \log n)\) 时间 [1], 哪里 \(I(n-1)\) 是计算拉普拉斯逆所需的时间。对于完整的矩阵，这是 \(O(n^3)\) 但使用稀疏方法可以实现 \(O(nm{{\sqrt k}})\) 哪里 \(k\) 是拉普拉斯矩阵条件数。

所需空间为 \(O(nw)\) 哪里 \(w\) 稀疏拉普拉斯矩阵的宽度。更糟糕的情况是 \(w=n\) 为 \(O(n^2)\) 。

如果边具有“权重”属性，则将在该算法中用作权重。未指定的权重设置为1。

工具书类

1: 基于当前流量的中心性度量。乌里克·布兰德斯和丹尼尔·弗莱舍，Proc.第22交响曲。《计算机科学的理论问题》(STAC‘05)。LNCS3404，第533-544页。施普林格-维拉格出版社，2005。https://doi.org/10.1007/978-3-540-31856-9_44。
2: 基于随机行走的中间中心性测量，M.E.J.Newman，社会网络27，39-54（2005）。