neo4j apoc 系列
Neo4j APOC-01-图数据库 apoc 插件安装 neo4j on windows10
Neo4j APOC-03-图数据库 apoc 实战使用使用
Neo4j APOC-04-图数据库 apoc 实战使用使用 apoc.path.spanningTree 最小生成树
Neo4j APOC-05-图数据库 apoc 实战使用使用 labelFilter
Neo4j GDS-01-graph-data-science 图数据科学插件库概览
Neo4j GDS-02-graph-data-science 插件库安装实战笔记
Neo4j GDS-03-graph-data-science 简单聊一聊图数据科学插件库
图数据结构中的中心性分析算法
一、基础概念与分类
中心性算法通过不同视角评估节点影响力，主要分为以下类别：
- 局部中心性：关注直接连接（如度中心性）
- 全局中心性：考虑全网拓扑结构（如接近中心性、介数中心性）
- 递归中心性：引入邻居节点影响力（如特征向量中心性、PageRank）
二、核心算法详解
1. 度中心性（Degree Centrality）
- 定义：衡量节点的直接连接数量，适用于评估节点的即时影响力。
计算公式：
- 无向图：$C_D(v) = \frac{deg(v)}{n-1}$（归一化至[0,1]）
- 有向图：分解为入度$C_{in}(v)$和出度$C_{out}(v)$
- 复杂度：$O(n)$，适用于大规模网络快速计算
应用场景：
- 社交网络识别活跃用户（高入度中心性用户可能为意见领袖）
- 推荐系统中的热门商品识别
- 案例：Twitter用户关注网络分析中，入度中心性前10%用户贡献了80%的信息传播
2. 接近中心性（Closeness Centrality）
- 定义：量化节点到其他节点的平均可达性，反映信息传播效率。
计算公式：
- 基础公式：$C_C(v) = \frac{n-1}{\sum_{u \neq v}d(u,v)}$
- Wasserman-Faust改进（适用于非连通图）：$C_{WF}(v) = \frac{n-1}{N-1} \cdot \frac{n-1}{\sum d(u,v)}$（$n$为连通分量节点数）
- 复杂度：$O(nm)$（需计算全节点最短路径）
应用场景：
- 交通网络枢纽选址（高接近中心性节点适合建设物流中心）
- 疾病传播模型中的关键控制点定位
- 案例：伦敦地铁网络分析显示，King's Cross站的接近中心性最高，验证其作为换乘枢纽的战略地位
3. 介数中心性（Betweenness Centrality）
- 定义：评估节点作为"桥梁"的重要性，反映对资源流动的控制力。
- 计算公式：
$$C_B(v) = \sum_{s \neq v \neq t} \frac{\sigma_{st}(v)}{\sigma_{st}}$$
其中$\sigma_{st}$为s到t的最短路径总数，$\sigma_{st}(v)$为经过v的路径数 - 优化算法：Brandes算法将复杂度从$O(n^3)$降至$O(nm)$
应用场景：
- 通信网络脆弱性分析（高介数节点故障易导致网络分裂）
- 金融交易网络洗钱路径识别
- 案例：全球航空网络中，迪拜机场的介数中心性最高，印证其作为洲际中转枢纽的作用
4. 特征向量中心性（Eigenvector Centrality）
- 定义：衡量节点在影响力网络中的递归重要性，强调"质量优于数量"。
- 数学原理：求解邻接矩阵A的主特征向量：
$$Ax = \lambda x$$
其中$x$为节点中心性向量，$\lambda$为最大特征值 - 迭代算法：幂迭代法（初始值$x^{(0)} = [1,1,...,1]^T$）
应用场景：
- 学术合作网络识别核心研究者（与高影响力学者合作提升得分）
- 蛋白质相互作用网络关键节点发现
- 案例：Facebook社交网络中，特征向量中心性前5%用户覆盖了90%的信息传播网络
5. PageRank算法
- 核心思想：引入随机游走模型，解决"重要性传递"问题。
- 公式：
$$PR(u) = \frac{1-d}{N} + d\sum_{v \in B_u}\frac{PR(v)}{L(v)}$$
$d$为阻尼因子（通常取0.85），$L(v)$为v的出链数 创新点：
- 处理悬挂节点（dead ends）的随机跳转机制
- 个性化PageRank实现局部重要性计算
应用场景：
- 网页重要性排序（原始设计目标）
- 加密货币交易网络关键地址识别
- 案例：比特币交易网络中，前0.01%地址的PageRank值占全网总值的75%
三、算法对比与选型指南
| 算法 | 计算视角 | 计算复杂度 | 适用网络类型 | 典型应用领域 |
|---|---|---|---|---|
| 度中心性 | 局部直接连接 | O(n) | 无向/有向 | 社交网络活跃度分析 |
| 接近中心性 | 全局可达性 | O(nm) | 强连通图 | 基础设施枢纽选址 |
| 介数中心性 | 路径控制 | O(nm) | 加权/无权 | 网络安全脆弱性评估 |
| 特征向量中心性 | 递归影响力 | O(n^2) | 对称邻接矩阵 | 学术合作网络分析 |
| PageRank | 随机游走 | O(n log n) | 有向图（含环） | 网页排序/推荐系统 |
java
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。