数据分析之图算法: 基于Spark和Neo4j

70

｜

第

5

章

Mark 3 1 2

David 2 1 1

Amy 1 1 0

James 1 0 1

图

5-4

显示，

Doug

是该图中最受欢迎的用户，他有

5

个粉丝（入连接）。图中这部分的所

有用户都关注他，而他只关注一个人。在真实的

Twitter

网络中，名人的粉丝数量众多，但

他们关注的人往往很少，因此可以认为

Doug

是名人。

图 5-4：度中心性的可视化

如果要创建一个显示最受关注用户的网页，或者想推荐可关注的人，就可以使用该算法来

识别这些人。

有些数据可能包含关系非常稠密（有大量关系）的节点。这并不会增加太多

额外信息，但是会扭曲一些结果或增加计算复杂度。应该通过子图过滤这些

稠密的关系，或者采用投影方法汇总关系权重。

5.3

　接近中心性算法

接近中心性算法用于发现可通过子图高效传播信息的节点。

衡量节点中心性的指标是其到其他各节点的平均距离（反距离）。接近中心性得分高的节

点与其他各节点的距离最短。