数据分析之图算法: 基于Spark和Neo4j

80

｜

第

5

章

•

识别各类组织中有影响力的人。有权势的人并不一定在管理岗位，使用中间中心性算法

可能在“中间人岗位”上发现这样的人。撤去这些有影响力的人会严重削弱组织的活力。

对于犯罪组织，抓获其头目是执法部门的目标，但如果企业失去了被低估的关键员工，

对其而言将是一场灾难。

Carlo Morselli

和

Julie Roy

的论文“

Brokerage Qualifications in

Ringing Operations

”对此有更详细的介绍。

•

发现像电网这样的网络中的关键传输点。有点违背直觉的是，移除特定桥接点实际上

可以隔离干扰，增强整体稳健性。

Ricard Solé

等人在论文“

Robustness of the European

Power Grids Under Intentional Attack

”中给出了更多研究细节。

•

通过针对有影响力者的推荐引擎，帮助用户在

Twitter

上传播影响力。

Shanchan Wu

等

人在论文“

Making Recommendations in a Microblog to Improve the Impact of a Focal User

”

中描述了这种方法。

中间中心性算法假设节点之间的所有通信都是沿着最短路径进行的，并且频

率相同，但在现实生活中并不总是这样。因此，它并没有为查找图中最有影

响力的节点提供完美的方法，而是做了很好的示范。

Mark Newman

在《网络

科学引论》一书中有详细解释。

5.4.4

　使用

Neo4j

实现中间中心性算法

Spark ...