Pajek – Manual
20
Figure 8: Bow-tie – Graph structure in the web [18]
如果Generate Network with Islands被选中，具有连线组成的Islands的新的网络将生成。
－Bow-Tie(蝴蝶结领结) —根据下列等级分类有向网络(Web 图结构)中的结点：1 – LSCC, 2 – IN, 3 – OUT, 4 –TUBES, 5 – TENDRILS, 0 – OTHERS。 －2-Mode 将一个 2- Mode 网络的结点分类成两个子集。
z Components
－ Strong（强连接）—选择网络的强连接部份。
－ Strong-Periodic（周期强壮的）—选择网络的周期强壮部分－根据周期把连接紧密 的部分进行更深入的分类。
－ Weak（弱连接）—所选网络中弱连接的部分。
－ Bi-Components（双组份）—所选网络中双向连接的部分。关联结点属于不同层次， 因此，结果不能存储在分类中－双向连接的部分被储存在层次中!可以在各部分中选择
4结点的最小数目。 此外，包括关联结点的分类能产生 :
给出由结点构成的双连组（Bicomponent）数目。“分类”包括每一属于双连组的结点、 双连组外部结点，以及关联结点（articulation points）。分类编码：双连组外部结点 为 0 类，每一双连组依次序编码（1-N 之间，其中 N 为双连组数），关联结点为 9999998 类。
4
以上部分由“一生有我”翻译，Email：bluemoon413843@sohu.com
20
Pajek 1.16 / October 4, 2006
Pajek – Manual
21
z Hierarchical Decomposition（层次分解）
－Clustering*－（聚类分解）层次聚类过程。通过使用“Operation/Dissimilarity” 或直接读入文件方式，输入相异网络(矩阵)；
* Run －运行的结果产生嵌套群及 EPS 系统树层次结构；
* Options －本过程的 可选项：general, minimum, maximum, average, ward, squared ward。
－ Symmetric-acyclic (均衡无环分解)—网络的均衡无环分解，结果生成带嵌套群的 层次结构[24]。 z Numbering（编号）
－ Depth First（深度优先）－对选定网络按深度优先原则编号…
* Strong－对于强连接，考虑有向的边；
* Weak－对于弱连接，忽略方向（或者无向网络）。
－ Breadth First（广度优先）－对选定网络按广度优先原则编号…
* Strong－对于强连接考虑有向的边；对于弱连接忽略方向（或者无向网络）。
* Weak－对于弱连接，忽略方向（或者无向网络）。 － Reverse Cuthill-McKee -RCM 计数。See Paper
－ Core + Degree（核+度）－根据分类的所有中心核，按递减顺序编号。对于具有同 样核的结点，根据具有同样或更高核的邻结点的编号按递减顺序排序
z Citation Weight（引文权重） －如果一个网络表示的是引文网络，每条连的权重（引
用量）和结点（论文）可被计算，结果如下： － 网络中带数值的边表示引文的重要程度；
－ 在主路径上对结点进行二分类；
－ 网络有唯一的主路径；
－ 向量表示结点（论文）的重要度 分配权重的不同方法[33]：
－ Search Path Count(SPC)（搜索路径计数）－方法。从源结点开始计算直至终止结 点。
－ Search Path Link Count(SPLC)（搜索路径链接计数）－方法。每一结点均被视为 源结点。
－ Search Path Node Pair(SPNP)（搜索路径结点对）－方法。 对权重，可进行标准化（使用流或最大值）或分段。 z K-近邻（K-neighbors）－选择所有结点
21
Pajek 1.16 / October 4, 2006
Pajek – Manual
22
－ Input－输入被判定结点，从它出发，我们可以在最多 K 步内到达选定结点。 － Output－输出可被选定结点最多 K 步内到达的结点。
－ All－所有包括输入和输出（忽略边的方向）。结果产生分类，在分类内结点的分类 序数与它到给定结点的距离相等，从给定结点不可到达的结点被归于类 9999998。当你 获得分类之后还可以生成子网。
－ From Clusters（面向类）－根据类内的每一结点计算符合选定长度距离的结点。结 果产出与类内结点数一样多的分类。最后输出可被存为向量，而非分类。 z Paths between 2 vertices (两结点间的路径)
－ One Shortest（一条最短路径）－寻找两结点间的最短路径。结果是一个新的网络。 边的值可考虑在内（如果他们表示两结点的距离）或者不考虑（图的理论长度），选择 后者往往更快。
－ All Shortest（所有最短路径）－搜索两点间的所有最短路径。结果是一个新的网 络。边的值可考虑在内（如果他们表示两结点的距离）或者不考虑（图的理论长度）， 选择后者往往更快。
－ Walks with Limited Length（限定长度的行走）－找出两结点间具有限定最大长 度的所有行走路径。
－ Diameter（直径）－寻找直径，即网络两结点间的最长最短路径的长度。进行全面 搜索，因此该操作对于大的网络（结点大于 2000）将很慢。
－ Geodesics Matrices*（最短程线的矩阵）－计算最小路径长度矩阵，以及最短程线 的矩阵（仅用于小世界网络）
－ Distribution of Distances（距离的分布）－计算最小路径长度的分布，及网络 内可达结点对的平均路径长度，有两种方式：
* From All Vertices（面向所有结点）－所有结点被视为开始结点；
* From Vertices in Cluster（面向类内结点）－仅被群选定结点被作为开始结 点计算。
z Critical path method, CPM（关键路径法）－找出无环网的关键路径，结果生成包含
关径路径的新网络。算法可被用于项目计划领域，但也可用于作无环图分析。此外还会 生成包含有关行动的总的和自由延迟时间网络。此外，还有两个向量（分类）生成：一 者包含到达设定状态的最早可能时间，另一者包含达到设定状态的最迟弹性时间。
z Maximum Flow (结点间的最大流)
－ Selected Pair（选定对）－寻找选定两结点间的最大流（算法寻找可渗透的路径， 而其中往往选择最短路径）。算法可被用于技术领域（如实际流，代表能量的边的属性 值）。结果生成包含两结点及代表二者最大流的边的新网络。 － Pairs in Cluster（聚类对）－寻找由群确定的结点间的最大流。结果生成边的属 性值代表对应结点间最大流的新网络。该算法很慢，因此只适用于小型网络或带有限结 点的群。
22
Pajek 1.16 / October 4, 2006
Pajek – Manual
23
z Vector (向量)—从网络中获得向量
－ Cetrality（中心势）－结果是一个向量，包含对每一结点和整个网络居中性指标的 选定中心势测量值[52，P169-219]。
* Closeness 紧密度（Sabidussi）
1.Input（输入）－输入其他结点到选定结点的距离，以判断每一结点的居中 性。
2.Output（输出）－根据选定结点到其他所有结点的距离，判断每一结点的居 中性。
3.All（所有）－忽略边的方向，将网络视为无向网。 * Betweenness（中介度）(Freeman) － Get Loops（获得环）－将回环的值存到向量
－ Get Coordinate（获得坐标）－获得网络的 X，Y 或 Z 坐标。你可以一次获得所有的 坐标。可能可得到多于 3 种坐标，坐标必须包含坐标属性。
－ Important Vertices（重要的结点）－寻找有向网（如 WEB，科学家引文网）或 2-Mode
网中的重要结点。结果产生带有权重以及包含指定重要结点分类的向量。
* 1－Mode：Hub/Authorities，在有向网中我们常确定两种重要结点类型：集线中 心（Hub）和权威（Authorities）。一个结点被认为是很好的集线中心，如果它指 向许多好的权威结点。而如果它被许多好集线结点连接，那么它就是一个好的权威。 在获得的分类值“1”表示该结点是权威结点，值“2”表示该结点既是权威结点也 是集线结点，值“3”表示该结点是一个集线结点。
* 2－Mode：一般应用于模式二网络的算法，用于搜寻第一和第二子集的重要结点。
－ Structural Holes（结构洞）－波特用于测量约束的指标[19，page54-55]，结果是：
* networks Pij:结点i与j的关系概率值，同i的所有关系值之比。这里aij指i，j两 点间的边的属性值。
* 网络包含二值约束 Cij，它表示围绕结点 j 和 i 的初始“洞”的缺失约束:解释： 结点 j 通过以下方式约束结点 i 的主持人身份： (a) 结点 i 要有较大的时间与能量的投资，才能到达结点 j；
(b) 二是结点j被很少的结构洞包围着，通过这些结构洞结点i可通过谈判促进投资
23
Pajek 1.16 / October 4, 2006