Question

我正在尝试为非常大的图中的几个节点计算居中性。我一直在使用NetworkX。问题在于它不会让我选择我需要集中的节点。我尝试修改源代码，但这给了我错误。这是我所做的：

betweenness = dict.fromkeys(G, 0.0)  # b[v]=0 for v in G
if k is None:
    nodes = G
    #nodes = nx.Graph()
    #for indx in range(0, G.size()):
        #if indx in subset:
            #nodes.add_node(allNodes[indx])
else:
    random.seed(seed)
    nodes = random.sample(G.nodes(), k)
for s in nodes:
    n = nodes.nodes().index(s)
    if n in subset:
        # single source shortest paths
        if weight is None:  # use BFS
            S, P, sigma = _single_source_shortest_path_basic(G, s)
        else:  # use Dijkstra's algorithm
            S, P, sigma = _single_source_dijkstra_path_basic(G, s, weight)
            # accumulation
            if endpoints:
                betweenness = _accumulate_endpoints(betweenness, S, P, sigma, s)
            else:
                betweenness = _accumulate_basic(betweenness, S, P, sigma, s)
# rescaling
betweenness = _rescale(betweenness, len(interCommNodes),
                       normalized=normalized,
                       directed=G.is_directed(),
                       k=k)
return betweenness

子集包含原始图中的所有节点索引。虽然“索引”似乎是无效的函数，但我找不到找到它的方法。

有人可以看看吗？

谢谢！

Answer 1

恐怕这不会直接解决您的答案。

大概您要进行此计算的原因是为了加快处理速度，因为中间性中心是一个缓慢的计算（Networkx never finishes calculating Betweenness centrality for 2 mil nodes）。

让它变慢的部分是它必须找到每对节点之间的最短路径，然后查看要通过其中心位置的每个节点要经过的分数。因此，即使您只是想了解几个节点，您仍然必须找到所有最短的路径，这是迄今为止计算中最昂贵的部分。因此，提供选项来完成所有工作，然后仅报告几个节点的中心性并没有多大意义。

如果确实需要加快计算速度，则可以采用一种近似方法。与其采取每一对节点并找到它们之间的最短路径，不如对所有节点进行抽样并查看它们之间的最短路径。有关详细信息，请参见以下答案：https://stackoverflow.com/a/32468942/2966723

如何计算NetworkX中单个节点的中介中心性？

1 个答案: