中心性指标及其对网络韧性的影响综述

Title : A survey on centrality metrics and their implications in network resilience Authors : Zelin Wan, Yash Mahajan, Beom Woo Kang, Terrence J. Moore, Jin-Hee Cho Abstract :中心性指标已用于不同的网络,比如通信网络、社会网络、生物网络、地理网络和联系网络。尤其是他们已被用于研究和分析目标攻击行为和研究其对网络韧性的影响。十年来,虽然...

Continue Reading »
分享到:

链路预测中精度、召回率、F值的学习记录

在机器学习领域有最常见的三个指标:精度(Precision)、召回率(Recall)、F值(F-Measure)。 那么,这三个指标实际怎么用呢? 假设我们有某指标(如CN),计算出来的节点对相似性 > 0 >0 的边,用res表示。 而实际缺失的测试集的边用gr表示。 res和gr是是两个数组,类似于如下的格式。 res = [(1,3),(2,3)] gr = [(1,3),(1,2)] 好的,我们就举个例子。 那么,预测正确的是几个呢? 显然是1个,[(1,3)]。 也就是: co = len(se...

Continue Reading »
分享到:

Normalized Mutual Information 的Python 实现 (NMI.py)

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...

Continue Reading »
分享到: