2018-06-05 17:20 sunmengqi
最近一直在看有关于网络表示学习的内容，不过一直感觉没有系统性。我在网上查询到了一篇网络表示学习方面的综述，我已经上传到平台的网盘中了，欢迎大家下载阅读，之后一起讨论学习。
继续阅读 »2018-11-28 09:50 hxy
NetworkX 2.1获取节点i属性集合方法： G.node[i]，返回值为dict类型。 Netowrkx中获取邻居节点的方法出在 networkx.Graph.neighbors， 在早期版本中，可以直接使用G.neighbors( i )来获取 i 节点的邻居节点，但是在2.0版本中做出调整， 可以直接使用G[ i ] 获取节点 i 的邻居节点 。 Graph.neighbors(n) Return an iterator over allneighborsof node n. This is i...
继续阅读 »2018-11-21 23:23 hxy
在复杂网络的研究领域，数据集是非常重要的，下面就列举了一些常用的数据集获取的网站： Newman个人博客公布的数据集： http://www-personal.umich.edu/~mejn/netdata/ Stanford Network Analysis Project 收集整理的数据集： http://snap.stanford.edu/index.html 斯坦福大学整理的数据集： https://snap.stanford.edu/data/egonets-Facebook.html 分类相似支...
继续阅读 »2018-11-19 21:19 hxy
Louvain 算法来源于文章2010年的论文Fast unfolding of communities in large networks，简称为Louvian [1]。 算法原理 Louvain算法是基于模块度（Modularity）的社区发现算法，该算法在效率和效果上都表现比较好，并且能够发现层次性的社区结构，其优化的目标是最大化整个图属性结构（社区网络）的模块度。 其中需要理解的核心点有： 模块度Modularity的定义，这个定义是描述社区内紧密程度的值 Q Q ； 模块度增量 Q \Delt...
继续阅读 »2018-11-19 21:19 hxy
相关概念 复杂网络：具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。 社团结构：网络中的顶点可以分成组,组内顶点间的连接比较稠密,组间顶点的连接比较稀疏。 算法分类 1. 非重叠社团发现算法 1.1 模块度优化算法 模块度：取值范围[-0.5, 1), 用它来定量衡量网络社区划分质量，其值接近1，表示划分质量越好。 模块度优化类算法分类： 聚合：FN、CNM、MSG-MV 分裂：GN 直接寻优：EO Newman快速算法： 将每个节点看作是一个社团，每次迭代选择产生最大Q值的...
继续阅读 »
