Two-way random walk betweenness centrality ,python代码

两向随机游走 Betweenness Centrality (TWRC) 是一种计算网络节点重要性的算法，它不仅考虑了直接连接，还考虑到通过中间节点的路径。简单地说，一个节点的TWRC越高，意味着其他节点通过它到达其他节点的可能性越大。

在Python中，我们可以使用`networkx`库来实现这个概念。以下是一个简单的示例，假设你已经有了一个`G`作为网络X的`networkx`图：

import networkx as nx

def two_way_random_walk_betweenness(G):
    # 初始化TWRC字典
    twrc = nx.betweenness_centrality(G, normalized=False, weight=None, twice=True)
    
    # 转换为浮点数并进行规范化（如果你需要）
    twrc = {node: float(value) / sum(twrc.values()) for node, value in twrc.items()}
    
    return twrc

# 使用你的图G
betweenness_scores = two_way_random_walk_betweenness(G)

# 打印每个节点的TWRC得分
for node, score in betweenness_scores.items():
    print(f"Node {node}: TWRC score = {score}")