复杂网络影响力最大化实验验证

毕业设计的后一个部分是挖掘网络中的关键节点组,基于目前国内外所发表的相关论文,整合并结合自身的需要,现提供如下参考代码,希望给予相关意见。 目前,主要验证节点组选取的好坏是通过传染病模型进行仿真实验,通过给定传染率、恢复率,以及关键节点组(也就是种子),查看传染病传染达到稳定状态时,整个网络中R型节点的占比。 代码初版如下所示: import networkx as nx import rand...

继续阅读 »

分享到:

利用LFR Benchmark 生成带标签的网络数据集

现实世界中,获取大规模带标签的网络数据集比较困难。当然,不排除斯坦福的SNAP [1] ,Newman大牛的个人主页 [2] 等给出了很多有价值的数据集。但是,如果想要构建符合自己需求的带有 ground truth的数据集就比较困难了。复杂网络领域的另一位大牛,Santo Fortunato [3] , 给出了一个Linux版本的程序,可以根据参数配置生成比较理想的数据集。下载地址: LFR ...

继续阅读 »

分享到:

给“实体抽取”打补丁

在邮箱场景中,光抽取人名是不够的,你要知道对应到具体人名类型的哪个实体,发件人,收件人,还是抄送人,等等 BiLSTM-CRF,就算是BERT-BiLSTM-CRF也不一定能够保证,在语料训练不够充分的情况下,能够精准的识别,这时候,往往要有补救措施,有的时候,最直接直白,简单的方式,在没有很好的办法下,在实践中往往可以尝试采纳,等待新技术有所突破,再替换 现在采用的笨方法,就是根据自然语言依存...

继续阅读 »

分享到: