社区划分
文章平均质量分 51
记录在学习社区发现过程中遇到的问题和心得
篮砂石
正在学习NLP,深度学习,社区发现,节点重要性,图神经网络, node embedding
展开
-
(Python编程)稳定的copra算法(copra-ep)
一.介绍按节点的熵值和相似性进行了排序,按排序结果进行标签传播二.代码#coding=utf-8import randomfrom numpy import *import timeimport copyimport networkx as nx#每个节点的度数,每个节点的邻居节点,总边数def Degree_Sorting(Adjmartrix,vertices,G): degree_s = [[i,0] for i in range(vertices)] nei原创 2021-06-08 09:30:43 · 819 阅读 · 3 评论 -
节点重要性评估方法
SIRKendall τ correlation coefficient原创 2021-05-09 17:42:41 · 621 阅读 · 1 评论 -
领导者社区和自组织社区的数据
原创 2021-03-09 20:25:26 · 107 阅读 · 0 评论 -
社区发现:论文中模块度Q的计算
2.Extending the definition of modularity to directed graphs with overlapping communities原创 2021-03-08 16:17:01 · 1069 阅读 · 3 评论 -
networkx常用函数总结(持续更新)
neiworkx常用函数总结 用途 函数 获取结点i的邻居节点 G.neighbors(i)原创 2021-03-06 19:49:39 · 13506 阅读 · 0 评论 -
复杂网络中的社团结构划分及分析应用----学习笔记
1.介绍二分图又称作二部图,是图论中的一种特殊模型,设G(V,E)是一个无向图,如果顶点可分割为两个互不相交的子集(U,K),并且图中的每条边(i,j)所关联的两个顶点i和j分别属于这两个不同的顶点集(i∈U,j∈K)则称图为一个二分图。根据一个一般的网络G(V,E)建立与之相关的二分网络G(V,V',E),把原始网络中G的节点分别作为二分网络的两部分节点(V,V')根据原来的边集E在两部分节点之间连边,这样就建立了一个二分网络。最大流问题是在网络中求源点到汇点的最大流值的问题,在二分网络..原创 2020-12-13 10:57:22 · 2471 阅读 · 0 评论 -
COPRA算法学习笔记
RAK算法可以非常简单地描述。每个顶点都与一个标签相关联,标签是一个标识符,比如整数。1.初始化时,每个顶点都有一个唯一的标签2. 然后,重复地,每个顶点x更新它的标签,用最多邻居使用的标签替换它。如果相同最大邻居数量使用多个标签,则随机选择其中一个。经过几次迭代后,相同的标签趋向于与社区的所有成员相关联。3.所有具有相同标签的顶点被添加到一个社区中传播阶段并不总是收敛到这样一种状态,即在连续迭代中所有顶点具有相同的标号。为了确保传播阶段终止,Raghavan等人提出使用“异步”更新,即顶点原创 2020-12-05 10:30:34 · 2368 阅读 · 1 评论 -
社区发现 SSN-LDA算法 学习笔记
SSN-LDA(Simple Social Network-LDA)是一种基于潜在狄利克雷分配的分层贝叶斯算法,在SSN-LDA中,社区被建模为图形模型中的潜在变量,并被定义为社会参与者空间上的分布。SSN-线性判别分析的优点是它只需要拓扑信息作为输入。该模型在两个研究合作网络上进行了评估:CiteSeer和NanoSCI。实验结果表明,该方法有望在大规模网络中发现社区结构。与以往的社区发现研究不同,用基于分层贝叶斯网络的方法,从社会网络中发现概率社区。这样,每个社会行动者都为社会中的每个社区贡献了一份原创 2020-11-30 16:44:28 · 1330 阅读 · 0 评论 -
重叠社区发现-UEOC算法(unfold and extract overlapping communities)学习笔记
本文提出了一种基于马尔可夫动力学模型的发现节点共享社区的算法UEOC。在UEOC方法中,为了检测出所有的自然群落,将马尔可夫随机游动方法与一种新的约束策略相结合,该策略基于相应的退火网络[21],用于展开每个群落。然后,利用一个借助电导的截止准则,即一个局部社区适应度函数[22],提取出的社区。如果该配置存在于网络中,这些提取的社区将自然重叠。此外,我们方法的一个优点是UEOC对其唯一参数的选择不敏感,并且不需要预先知道社区结构,比如社区的数量。算法思想:(1)选取度最大的节点s,s未被分配到任何.原创 2020-11-22 11:08:07 · 912 阅读 · 2 评论 -
(python代码+讲解)重叠社区发现EAGLE层次算法的实现
EAGLE是一种基于最大团聚类的层次聚类算法,用来揭示网络的层次化和层次化社区结构。该算法采用一种聚类框架,来处理最大派系。1.算法的实现: 首先用Bron-Kerbosch算法找到网络中的最大派系,要设置一个阈值k来丢弃所有小于K的最大派系,通常k取3-6之间的值。算法分为两个阶段:第一阶段生成树状图;第二阶段选着合适的切割点,将树状图分成群落。第一阶段:(1)找出网络中的最大派系,忽略最大的子派系,其余作为初始社区(2)选择相似度最大的一对群落,将其合并到新的群落中,计算新群落与其他群落...原创 2020-11-16 15:47:40 · 2241 阅读 · 8 评论 -
社区发现LFM算法学习笔记
社区发现的目标是在以社交网络为代表的复杂网络中发 现网络的模块结构特性,一个社区代表了一个节点的聚簇. 由于实际中不同社区之间可能共享某些节点,重叠社区发现 算法的目标是能够在复杂网络中发现重叠的社区. 重叠社 区 发 现 算 法 的 一 个 典 型 代 表 是 LMF 方 法[14]. LMF的基本思想是迭代地从不同的种子节点出发,以贪婪的 方式检测社区.LMF在一次迭代过程中从不属于任何社区 的节点中随机选择种子,并且为了确定某一节点是否属于当 前社区,使用式(1)来度量社区中节点相对于社区的适应...原创 2020-11-08 21:56:22 · 1728 阅读 · 0 评论 -
(python)实现用CPM算法划分社区(两种代码)
1.自己实现的代码将社区分为9个,有部分节点未分配社区#自己实现派系过滤算法import numpy as npimport networkx as nxfrom itertools import combinationsimport matplotlib.pyplot as pltdef get_percolated_cliques(G, k): cliques = list(frozenset(c) for c in nx.find_cliques(G) if len(c) &g原创 2020-11-08 20:12:23 · 3902 阅读 · 3 评论 -
复杂网络数据集下载地址
csdn:https://blog.csdn.net/wzgang123/article/details/51089521国外网站:http://networkrepository.com/原创 2020-10-31 14:21:35 · 2474 阅读 · 2 评论 -
cpm(派系过滤算法)实现社区发现
https://blog.csdn.net/aspirinvagrant/article/details/45823329https://blog.csdn.net/u011089523/article/details/77746879原创 2020-10-30 17:59:24 · 6422 阅读 · 2 评论 -
python 按自己的理解尝试实现fn算法
贪心算法FN具体步骤如下所述:(1)去掉网络中所有的边,网络的每个节点都单独作为一个社区;(2)网络中的每个连通部分作为一个社区,将还未加入网络的边分别重新加回网络,如果加入网络的边连接了两个不同的社区,即合并了两个社区,则计算形成的新的社区划分的模块度的增量。选择使模块度增长最大或者减小最少的两个社区进行合并;(3)如果网络的社区数大于1,则返回步骤 (2) 继续迭代,否则转到步骤 (4);(4)遍历每种社区划分对应的模块度的值,选取模块度最大的社区划分作为网络的最优划分。im.原创 2020-10-29 16:20:22 · 1530 阅读 · 6 评论 -
(python代码)gn算法划分karate数据集划分学习笔记
需要用networkx构建网络边介数模块度原创 2020-10-24 17:04:33 · 2019 阅读 · 3 评论 -
python中sorted方法排序字典时关于sortedClassCount[0][0]的注意事项
用sorted排序字典时返回的是又元组组成的列表import operatora={}a["red"]=30a["yellow"]=15a['black']=12b = sorted(a.items(),key=operator.itemgetter(1),reverse=True)print(b)b[0][0]运行结果:所以b[0][0]可以输出类别原创 2020-08-15 10:11:39 · 1376 阅读 · 0 评论