rustworkx.eigenvector_centrality#

eigenvector_centrality(graph, weight_fn=None, default_weight=1.0, max_iter=100, tol=1e-06)[source]#

计算图的特征向量中心性。

关于特征向量中心性的详细信息请参考：

Phillip Bonacich。“权力与中心性：一个衡量家族。” 《美国社会学期刊》第92(5)期: 1170–1182, 1986年 <https://doi.org/10.1086/228631>

该函数使用幂迭代法计算特征向量，且不保证收敛。当达到max_iter迭代次数，或两次迭代间计算得到的向量小于容错值乘以节点数时，函数将停止。本算法的实现基于NetworkX eigenvector_centrality()函数。

在多重图的情况下，计算特征向量中心性时，任何平行边的权重将被求和。

Parameters:

graph – 要使用的图。既可以是PyGraph对象，也可以是PyDiGraph对象。
weight_fn – 一个可选的输入可调用对象，将接收边的负载对象作为参数，并期望返回该边的float权重值。如果未指定此参数，将使用default_weight作为graph中每条边的权重。
default_weight (float) – 如果未设置 weight_fn，则为所有边的权重所使用的默认权重值
max_iter (int) – 幂方法中的最大迭代次数。如果未指定，则使用默认值 100。
tol (float) – 幂方法中检查收敛性时的误差容限。如果未指定，则使用默认值1e-6。

Returns:

一个只读类字典对象，其键为节点索引，值为该节点的中心性得分。

Return type:

CentralityMapping