2018-11-22 21:52 rick
刚才例会听不知道谁说了节点以一定概率向邻居节点发送激活信号，挺感兴趣，写了demo 函数jihuo以递归方式输送信号，这里没有卡递归层数，如果网络太大会崩溃，但是每次概率p会自乘，意味初始概率是0.5的话，下一层传播概率是0.25，越来越小，目前跑代码还没有崩溃，但是层数太高真的会崩。若随机数在范围内则进行激活下个邻居节点，代码如下： import os import networkx as nx import random from util.graphDealer import load_graph_...
继续阅读 »2018-11-19 20:38 hxy
NMI是Normalized Mutual Information的简称，用于比较社团划分结果与ground-truth之间的接近程度，取值范围为[0, 1]，出自2006年 Danon 的论文 [1]。 有两种计算方法，为了方便大家检测结果，写了一个通用的Python版计算函数，当然也可以直接调用库函数计算。代码如下： # -*- coding: utf-8 -*- import math def NMI(c1, c2): ''' Calculate Normalized Mutual Informati...
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 »
