中心性算法深入：度、接近、介数、特征向量与 PageRank
系统讲解图数据库/图数据科学中的中心性算法：中心性的概念与意义（谁在图里重要）、度中心性（连接的多少，入度/出度/加权）、接近中心性（距离的远近，调和平均的修正）、介数中心性（桥梁的角色，Brandes 算法）、特征向量中心性（重要邻居的加权，幂迭代）、PageRank（全局重要性，阻尼因子与随机游走）、五种中心性的比较与选型（语义差异、场景匹配）、大规模计算与近似（近似介数、流式方法）、以及关键节点识别/传播源定位/反欺诈等应用实践，帮助选对并算对中心性指标。