更改

:<math>{\displaystyle g(v)=\sum _{s\neq v\neq t}{\frac {\sigma _{st}(v)}{\sigma _{st}}}}</math>

:<math>{\displaystyle g(v)=\sum _{s\neq v\neq t}{\frac {\sigma _{st}(v)}{\sigma _{st}}}}</math>

:<math>{\displaystyle \sigma _{st}}</math>是节点s到节点t的所有最短路径之和，而 <math>{\displaystyle \sigma _{st}(v)}</math>这些路径经过v的次数。

<math>{\displaystyle \sigma _{st}}</math>是节点s到节点t的所有最短路径之和，而 <math>{\displaystyle \sigma _{st}(v)}</math>这些路径经过v的次数。可注意到一个节点的介数中心性与该网络图中的节点个数相关。因此，可通过除以不包含v的节点对数以将计算结果标准化，使得 <math>{\displaystyle g\in [0,1]}</math>。其中有向图需除以  

可注意到一个节点的介数中心性与该网络图中的节点个数相关。因此，可通过除以不包含v的节点对数以将计算结果标准化，使得 <math>{\displaystyle g\in [0,1]}</math>。其中有向图需除以  

<math>{\displaystyle (N-1)(N-2)}</math> ，而无向图需除以<math>{\displaystyle (N-1)(N-2)/2}</math>，其中 N是网络图中节点数量的集合。该比例代表的是最高可能计算值，即某节点与其他所有节点都通过单一的最短路径相连接，不过以上情况通常不会发生。标准化的过程并不会使计算的精准度受到影响。<math> {\mbox{normal}}(g(v))={\frac {g(v)-\min(g)}{\max(g)-\min(g)}}</math>可求解得：<math>{\displaystyle \max(normal)=1}</math><math>{\displaystyle \min(normal)=0}</math>

<math>{\displaystyle (N-1)(N-2)}</math> ，而无向图需除以<math>{\displaystyle (N-1)(N-2)/2}</math>，其中 N是网络图中节点数量的集合。该比例代表的是最高可能计算值，即某节点与其他所有节点都通过单一的最短路径相连接，不过以上情况通常不会发生。标准化的过程并不会使计算的精准度受到影响。<math> {\mbox{normal}}(g(v))={\frac {g(v)-\min(g)}{\max(g)-\min(g)}}</math>可求解得：<math>{\displaystyle \max(normal)=1}</math><math>{\displaystyle \min(normal)=0}</math>

由公式可知，计算结果将始终是一个从较小范围到更大范围的比例，因此没有精准度的损失。

由公式可知，计算结果将始终是一个从较小范围到更大范围的比例，因此没有精准度的损失。