Twitter 的介数中心性是否同时考虑关注者和关注者？
Does betweenness centrality for Twitter, considers both followers and following?
我正在努力寻找 Twitter 上一组用户的介数中心性。
Betweenness centrality被认为是一个节点出现在2个节点之间的最短路径中的比例
我很困惑关键字 "path" 或 "edges" 是指他正在关注的用户的关注者还是关注者。打算用jgrapht，但是概念不太清楚
提前致谢
中间性中心性衡量通过节点的最短路径的比例。由于最短路径的含义在有向图和无向图之间略有不同，你应该首先想到您希望如何将数据表示为图表。
如果没有针对您的特定用例的更多上下文，将 Twitter 图表示为 有向 图更为自然，其中每个用户都表示为一个节点，并且边缘从每个用户转到该用户之后的所有用户。当然给定 2 个节点 u 和 v 可能有 2 个有向边 (u,v) 和 (v,u) 如果两个用户互相关注。希望解释一下边的意思。
在介数中心性计算的上下文中引用术语 "path" 时，其含义是此有向图中某些 2 个节点之间的单个 最短路径 。
示例：
假设我们有 4 个 Twitter 用户，分别为 1、2、3 和 4。
假设 1 在 2 和 4 之后，2 在 3 之后：
那么如果我们使用networkx，我们可以计算介数中心性如下：
import networkx as nx
DG = nx.DiGraph()
DG.add_edges_from([(1, 2), (2, 3), (1, 4)])
print(nx.betweenness_centrality(DG))
并得到：
{1: 0.0, 2: 0.16666666666666666, 3: 0.0, 4: 0.0}
表示除节点 2 之外的所有节点的介数中心性为零，节点 2 的值为 0.16667。
这是我们得到的值，因为我们只有一条最短路径通过节点 2（从 1 到 3），N=4 且 (N-1)(N-2) = 6。
要更好地了解 nx.betweenness_centrality 的工作原理，您可以查看 here 文档。
我正在努力寻找 Twitter 上一组用户的介数中心性。
Betweenness centrality被认为是一个节点出现在2个节点之间的最短路径中的比例
我很困惑关键字 "path" 或 "edges" 是指他正在关注的用户的关注者还是关注者。打算用jgrapht，但是概念不太清楚
提前致谢
中间性中心性衡量通过节点的最短路径的比例。由于最短路径的含义在有向图和无向图之间略有不同，你应该首先想到您希望如何将数据表示为图表。
如果没有针对您的特定用例的更多上下文，将 Twitter 图表示为 有向 图更为自然，其中每个用户都表示为一个节点，并且边缘从每个用户转到该用户之后的所有用户。当然给定 2 个节点 u 和 v 可能有 2 个有向边 (u,v) 和 (v,u) 如果两个用户互相关注。希望解释一下边的意思。
在介数中心性计算的上下文中引用术语 "path" 时，其含义是此有向图中某些 2 个节点之间的单个 最短路径 。
示例：
假设我们有 4 个 Twitter 用户，分别为 1、2、3 和 4。
假设 1 在 2 和 4 之后，2 在 3 之后：
那么如果我们使用networkx，我们可以计算介数中心性如下：
import networkx as nx
DG = nx.DiGraph()
DG.add_edges_from([(1, 2), (2, 3), (1, 4)])
print(nx.betweenness_centrality(DG))
并得到：
{1: 0.0, 2: 0.16666666666666666, 3: 0.0, 4: 0.0}
表示除节点 2 之外的所有节点的介数中心性为零，节点 2 的值为 0.16667。
这是我们得到的值，因为我们只有一条最短路径通过节点 2（从 1 到 3），N=4 且 (N-1)(N-2) = 6。
要更好地了解 nx.betweenness_centrality 的工作原理，您可以查看 here 文档。