<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>度中心性 on PlumePHP</title><link>https://plumephp.com/tags/%E5%BA%A6%E4%B8%AD%E5%BF%83%E6%80%A7/</link><description>Recent content in 度中心性 on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Tue, 29 Sep 2026 12:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/%E5%BA%A6%E4%B8%AD%E5%BF%83%E6%80%A7/index.xml" rel="self" type="application/rss+xml"/><item><title>中心性算法深入：度、接近、介数、特征向量与 PageRank</title><link>https://plumephp.com/graphdb-centrality-algorithms-deep/</link><pubDate>Tue, 29 Sep 2026 12:00:00 +0800</pubDate><guid>https://plumephp.com/graphdb-centrality-algorithms-deep/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;「谁是这个网络里最重要的节点」是个常见问题，但「重要」有完全不同的含义：连接最多的人、离所有人最近的人、连接两拨人的桥梁、被重要人物看重的人、还是被全世界引用的枢纽？中心性算法就是把这些不同的「重要性」形式化为可计算的指标。本文讲中心性算法的深入理解：先厘清中心性的概念（五种语义各回答什么问题），再逐个深入五种算法——度中心性（连接的多少）、接近中心性（距离的远近，含调和平均修正）、介数中心性（桥梁的角色，Brandes 算法的精髓）、特征向量中心性（重要邻居的加权，幂迭代）、PageRank（全局重要性，随机游走与阻尼因子），然后是五种中心性的比较与选型（语义差异与场景匹配）、大规模计算与近似（近似介数、流式与分布式）、最后是关键节点识别/传播源定位/反欺诈等应用实践。目标：你能根据「要回答什么问题」选对中心性算法，并理解其计算与在大图上的近似策略。&lt;/p&gt;</description></item></channel></rss>