知识卡片
特征向量中心性是不动点
这里的定义天生循环:你的重要性取决于邻居的重要性,邻居的重要性又取决于你。打破循环的办法是把它写成一个方程——每个人的分数等于邻居分数之和的固定倍数,这恰好是邻接矩阵的特征向量。求解用幂迭代:先给每人随机分,然后不断执行“新分数 = 邻居旧分数之和”,再整体归一化,分数分布会收敛到一个不再变形的形状,这就是不动点。这样得到的分数既奖励连接多的人,也奖励连接到高分节点的人:书中用户 1、2 之所以最高,是因为他们连着的三个人本身居中;把这几条边去掉,他们的分数立刻塌下来。它与 PageRank 同源,区别在于后者处理有向边并加入随机跳转项,避免分数被困在封闭结构里。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第22章 网络分析 · 查看原书依据
特征向量中心性高的用户,不仅会拥有较多的连接,而且还倾向于连接到具有较高中心性的那些人。 在这里,用户 1 和用户 2 有最高的中心性,因为他们两个都与本身处于高度中心性的三个人有联系。
参考来源
- 位置:《数据科学入门(第2版)》第22章 网络分析(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0026.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「特征向量中心性高的用户,不仅会拥有较多的连接,而且还倾向于连接到具有较高中心性的……」
- 原始内容:特征向量中心性高的用户,不仅会拥有较多的连接,而且还倾向于连接到具有较高中心性的那些人。 在这里,用户 1 和用户 2 有最高的中心性,因为他们两个都与本身处于高度中心性的三个人有联系。