networkx 的加权 edge_betweenness_centrality 算法是否需要距离或相似性也可以？
Does networkx's weighted edge_betweenness_centrality algorithm need distances or similarities would work too?
所以我有一个无向图，由具有权重（相似性得分）的边组成。我是 运行
networkx 的加权 edge_betweenness_centrality 算法并有一些结果。
但是我发现该算法需要距离才能正常工作，因为它基于最短路径距离计算。不幸的是，documentation 没有明确说明这一点，所以我想问问是否有人确实可以证实这一点。
我假设，因为您有一个加权图，所以您已将这些权重设置为边之间的距离。在这种情况下，nx.edge_betweenness_centrality 需要一个 weight 参数：
weight: (None or string, optional (default=None)) – If None, all edge weights are considered equal. Otherwise holds the name of the edge attribute used as weight.
通过将其设置为权重属性的名称，计算中心性度量所需的最短路径将通过 _single_source_dijkstra_path_basic 计算，它采用 weight 参数，因此最终度量将考虑距离。
所以我有一个无向图，由具有权重（相似性得分）的边组成。我是 运行
networkx 的加权 edge_betweenness_centrality 算法并有一些结果。
但是我发现该算法需要距离才能正常工作，因为它基于最短路径距离计算。不幸的是，documentation 没有明确说明这一点，所以我想问问是否有人确实可以证实这一点。
我假设，因为您有一个加权图，所以您已将这些权重设置为边之间的距离。在这种情况下，nx.edge_betweenness_centrality 需要一个 weight 参数：
weight: (None or string, optional (default=None)) – If None, all edge weights are considered equal. Otherwise holds the name of the edge attribute used as weight.
通过将其设置为权重属性的名称，计算中心性度量所需的最短路径将通过 _single_source_dijkstra_path_basic 计算，它采用 weight 参数，因此最终度量将考虑距离。