gephi中的统计算法学习

gephi是一个数据可视化处理软件，其中有很多对数据分析的统计算法，对于很多数据分析算法都有实现，那么就来看看其中的一些统计方法：

1.   degree  （平均度）

计算每个节点的度，并统计相同度的节点数量

平均度：  有向图： 所有点的度数总和/节点数*2    无向图： 所有点的度数总和/节点数

在图上能够，看出每个度所占的百分比，能够看到每种度用不同颜色标示

通过这个可以看出哪些节点的度高，反应出连接他的点就多，就越关键

 

2.  weightedDegree  平均加权度

加权入度   加权出度   加权度

有向图： 取得每个点的边，如果该边的源为该节点，那么该边的权重为加权出度，反之亦然。计算出每个点的加权出度，入度和度

其实平均度是平均加权度的一个特例，平均度的每条边的权重为1

加权度为加权出度和入度的总和

计算同样入度出度的节点个数

无向图： 取得每个点的边，将边的权重求和，即为该点的加权度

平均加权度：　有向图：加权度总和／２＊节点数    无向图： 加权度总和／节点数

 

3.  GraphDistance  网络直径

后续补充

 

4.  graphdensity  图密度

无向图：   边数*2 / （节点数*节点数-节点数）

有向图：   边数 / （节点数*节点数-节点数）

大概理解：  （节点数*节点数-节点数） 这个计算出最多的连接边数(不包含连自己)  ，  用实际边数除以最大可能边数，即为密度， 结果越大表示图中节点连接越紧密

 

5. hits( Hyperlink-Induced Topic Search) 分析经典的基于超链接分析的主题搜索  点击次数

计算2个值

authority:  每个节点入度的比值。 简单的，就是总的节点的入度和，除以该节点入度和，提现节点重要性，或者页面的重要性，被链接的多，说明入度多，就跟重要

计算每个引入（指向该节点）该节点（有入度的节点）的节点的hub(初始为1)总和，用该值除以所有点的authority值

hub：  

计算每个引入（指向该节点）该节点（有出度的节点）的节点的 authority (初始为1)总和，用该值除以所有点的 hub 值

6.  modularity  模块化

一种聚类算法，后续补充。。。