使用 networkx 寻找弱关系

Question

我正在尝试根据重要性查找 weak ties as defined by Granovetter. So far I have tried using centrality measurements to plot the Stanford Facebook network dataset (facebook_combined.txt)。下图使用度中心性。我用蓝色矩形表示了一些我希望找到的节点 ('weak ties')。

Bridges 看起来很接近，但又不那么接近。我应该如何继续寻找这些节点？

示例代码：

import networkx as nx

fb = nx.read_edgelist("facebook_combined.txt")
degree_cent_fb = nx.degree_centrality(fb)

pos_fb = nx.spring_layout(fb ,iterations = 1000)

nsize = np.array ([v for v in degree_cent_fb.values ()])

nsize = 500*( nsize - min(nsize))/(max(nsize) - min(nsize))

nodes = nx.draw_networkx_nodes (fb , pos = pos_fb ,
                                node_size = nsize)
edges = nx.draw_networkx_edges (fb , pos = pos_fb ,
                                alpha = .1)

以下是一些其他大小函数的示例图：

相同数据，按介数中心性确定大小：

并且接近中心性：

以及 PageRank：

Answer 1

请注意，弱连接或桥梁指的是边缘，而您正在寻找节点级别的度量。您可能对 Ron Burt 的 structural hole 概念感兴趣。占据结构孔的节点是代理，连接具有有限重叠的组 - 听起来像你正在寻找的东西。

NetworkX（如果我没记错的话，从 2.0 版开始）实现了 Burt's constraint measure。伯特说，如果一个节点具有低约束，它就会占据一个结构孔。 1 减去节点的约束分数似乎可以很好地突出社区之间的节点，但并非在所有情况下都是如此。

这是代码。当心 - 计算约束需要一些时间！

fb = nx.read_edgelist("facebook_combined.txt")
pos_fb = nx.spring_layout(fb ,iterations = 100)

cons = nx.constraint(fb)

plt.figure(figsize=(15,10))
nsize = np.array ([1-v for v in cons.values()])

nsize = 10**(nsize+1)

nodes = nx.draw_networkx_nodes (fb , pos = pos_fb , node_color=nsize, cmap=plt.cm.coolwarm,
                                node_size = nsize)
edges = nx.draw_networkx_edges (fb , pos = pos_fb , 
                                alpha = .1)

plt.axis('off')

使用 networkx 寻找弱关系

Finding weak ties using networkx

python

graph-theory

networkx