|
它是这样的：
- pos = nx.spring_layout(fb)
-
- import warnings
-
- warnings.filterwarnings('ignore')
- plt.style.use('fivethirtyeight')
- plt.rcParams['figure.figsize'] = (20, 15)
- plt.axis('off')
- nx.draw_networkx(fb, pos, with_labels = False, node_size = 35)
- plt.show()
Facebook 用户图
此刻我们想要找出具有高影响力的用户。直观地说，Pagerank 算法会给拥有许多伴侣的用户打高分，而这些伴侣又拥有许多 Facebook 伴侣。
- pageranks = nx.pagerank(fb)
- print(pageranks)
- ------------------------------------------------------
- {0: 0.006289602618466542,
- 1: 0.00023590202311540972,
- 2: 0.00020310565091694562,
- 3: 0.00022552359869430617,
- 4: 0.00023849264701222462,
- ........}
操作以下代码可以获得排序的 PageRank 或最具影响力的用户：
- import operator
-
- sorted_pagerank = sorted(pagerank.items(), key=operator.itemgetter(1),reverse = True)
- print(sorted_pagerank)
- ------------------------------------------------------
- [(3437, 0.007614586844749603), (107, 0.006936420955866114), (1684, 0.0063671621383068295), (0, 0.006289602618466542), (1912, 0.0038769716008844974), (348, 0.0023480969727805783), (686, 0.0022193592598000193), (3980, 0.002170323579009993), (414, 0.0018002990470702262), (698, 0.0013171153138368807), (483, 0.0012974283300616082), (3830, 0.0011844348977671688), (376, 0.0009014073664792464), (2047, 0.000841029154597401), (56, 0.0008039024292749443), (25, 0.000800412660519768), (828, 0.0007886905420662135), (322, 0.0007867992190291396),......]
以上 ID 即为最有影响力的用户。最具影响力用户的子图如下所示：
- first_degree_connected_nodes = list(fb.neighbors(3437))
- second_degree_connected_nodes = []
-
- for x in first_degree_connected_nodes:
- second_degree_connected_nodes+=list(fb.neighbors(x))
-
- second_degree_connected_nodes.remove(3437)
- second_degree_connected_nodes = list(set(second_degree_connected_nodes))
- subgraph_3437 = nx.subgraph(fb,first_degree_connected_nodes+second_degree_connected_nodes)
-
- pos = nx.spring_layout(subgraph_3437)
- node_color = ['yellow' if v == 3437 else 'red' for v in subgraph_3437]
- node_size = [1000 if v == 3437 else 35 for v in subgraph_3437]
-
- plt.style.use('fivethirtyeight')
- plt.rcParams['figure.figsize'] = (20, 15)
- plt.axis('off')
- nx.draw_networkx(subgraph_3437, pos, with_labels = False, node_color=node_color,node_size=node_size )
- plt.show()
黄色为最具影响力用户
中心性怀抱
你可以将很多中心性怀抱用作呆板进修模子的特性，这里只谈个中的两个。
其他怀抱链接：https://networkx.github.io/documentation/networkx-1.10/reference/algorithms.centrality.html#current-flow-closeness。
介数中心性：不只拥有浩瀚伴侣的用户很重要，将一个地理位置毗连到另一个位置的用户也很重要，由于这样可以让用户看到差异所在的内容。
介数中心性量化了一个特定节点在其他两个节点之间最短路径中呈现的次数。
点度中心性：它只是节点的毗连数。
代码 （编辑：湖南网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
