创建带加权边的节点影响力导向型网络可视化技术求助

一、需求与原脚本问题 #

需求明确：

• 复现指定犯罪网络的可视化效果
• 展示加权边
• 识别对网络连通性影响最大的核心节点

原脚本存在的问题：

• 未加载目标数据集的加权边信息，无法体现边的权重差异
• 仅用节点度识别核心节点，未考虑节点对网络连通性的实际影响（如介数中心性、节点移除后的连通性变化）
• 可视化样式未匹配目标配图（节点大小、边粗细、布局逻辑等）

二、完整Matlab实现代码 #

%% 1. 加载犯罪网络数据（先从目标页面下载加权边列表）
% 假设下载的边列表文件为'crime_edgelist.txt'，格式为：源节点 目标节点 权重
edgeData = readmatrix('crime_edgelist.txt');
sources = edgeData(:,1);
targets = edgeData(:,2);
weights = edgeData(:,3);

% 创建加权无向图
G = graph(sources, targets, weights);

%% 2. 计算核心节点指标（针对连通性影响）
% 计算介数中心性：衡量节点控制信息流的能力，值越高对连通性影响越大
betweenness = centrality(G, 'betweenness');
% 计算节点度
nodeDegrees = degree(G);
% 计算移除节点后的最大连通分量占比（评估连通性影响）
numNodes = numnodes(G);
connectImpact = zeros(numNodes,1);
for i = 1:numNodes
    G_temp = rmnode(G, i);
    compSizes = conncomp(G_temp);
    maxCompSize = max(compSizes);
    connectImpact(i) = 1 - maxCompSize/(numNodes-1);
end

% 找出对连通性影响最大的核心节点（取介数+连通影响的综合排序，或单独取介数最高）
[maxBetweenness, coreNodeIdx] = max(betweenness);
coreNodeName = G.Nodes.Name{coreNodeIdx};

% 输出核心节点信息
fprintf('对连通性影响最大的核心节点：%s\n', coreNodeName);
fprintf('节点介数中心性：%.2f\n', maxBetweenness);
fprintf('移除该节点后连通性下降比例：%.2f%%\n', connectImpact(coreNodeIdx)*100);

%% 3. 复刻目标可视化效果
figure('Position', [100 100 800 600]);
% 设置布局（匹配目标配图的力导向布局，调整参数）
layout = layout(G, 'force', 'Iterations', 500, 'WeightEffect', 'strong');
% 绘制网络：边粗细对应权重，节点大小对应介数（或度）
h = plot(G, 'Layout', layout, ...
    'EdgeColor', [0.7 0.7 0.7], ...
    'EdgeWidth', weights/max(weights)*2, ... % 边粗细按权重归一化
    'NodeSize', betweenness/max(betweenness)*300 + 50, ... % 节点大小按介数缩放
    'NodeColor', [0.2 0.4 0.6], ...
    'NodeLabel', G.Nodes.Name);
% 突出核心节点
highlight(h, coreNodeIdx, 'NodeColor', [1 0 0], 'NodeSize', 400);
title('犯罪网络可视化（加权边+核心节点标记）');
xlabel(''); ylabel('');
grid off;

三、关键说明 #

• 加权边处理：通过读取边的权重值，设置EdgeWidth参数实现边粗细随权重变化，直观体现边的重要性
• 核心节点识别：优先选用介数中心性（反映节点对网络信息流的控制能力），结合节点移除后的连通性变化，精准定位对网络连通性影响最大的节点
• 可视化匹配：调整力导向布局的迭代次数、权重影响，同时用节点大小对应中心性、边粗细对应权重，复刻目标配图的视觉效果

内容的提问来源于stack exchange，提问作者UserStudent