R igraph 手册页

alpha_centrality {igraph}

R 文档

查找网络位置的 Bonacich alpha 中心性得分

描述

alpha_centrality 计算图中一些（或所有）顶点的 alpha 中心性。

用法

alpha_centrality(
  graph,
  nodes = V(graph),
  alpha = 1,
  loops = FALSE,
  exo = 1,
  weights = NULL,
  tol = 1e-07,
  sparse = TRUE
)

参数

图	输入图可以是定向的或非定向的
节点	顶点序列，将返回其 alpha 中心性值的顶点。（出于技术原因，无论如何都将计算所有顶点的值。）
alpha	参数，用于指定内生因素与外生因素在决定中心性中的相对重要性。 参见下面的详细信息。
循环	是否在计算之前从图中消除环边。
exo	外生因素，在大多数情况下，这要么是一个常数——每个节点都相同，要么是一个向量，给出每个顶点的因子。 请注意，太长的向量将被截断，太短的向量将被复制以匹配顶点的数量。
权重	一个字符标量，给出用于邻接矩阵的边属性的名称。 如果它是 NULL，则使用图的“weight”边属性（如果存在）。 否则，或者如果它是 NA，则计算使用标准邻接矩阵。
tol	矩阵求逆期间接近奇异性的容差，请参阅 solve。
sparse	逻辑标量，是否使用稀疏矩阵进行计算。 “Matrix”包是稀疏矩阵支持所必需的

详细信息

Alpha 中心性度量可以被认为是特征向量中心性对有向图的推广。 它是由 Bonacich 在 2001 年提出的（参见下面的参考）。

图中顶点的 alpha 中心性定义为以下矩阵方程的解

x=\alpha A^T x+e,

其中 A 是图的（不一定是对称的）邻接矩阵，e 是顶点的状态外生来源向量，\alpha 是内生因素与外生因素的相对重要性。

值

一个数值向量，包含所选顶点的中心性得分。

警告

奇异邻接矩阵会导致此算法出现问题，该例程在某些情况下可能会失败。

作者

Gabor Csardi csardi.gabor@gmail.com

参考

Bonacich, P. and Lloyd, P. (2001). “Eigenvector-like measures of centrality for asymmetric relations” Social Networks, 23, 191-201.

参见

eigen_centrality 和 power_centrality

示例

# The examples from Bonacich's paper
g.1 <- graph( c(1,3,2,3,3,4,4,5) )
g.2 <- graph( c(2,1,3,1,4,1,5,1) )
g.3 <- graph( c(1,2,2,3,3,4,4,1,5,1) )
alpha_centrality(g.1)
alpha_centrality(g.2)
alpha_centrality(g.3,alpha=0.5)

---