复杂网络分析
Weize Tang
Stop thinking,worrying,wondering,doubting,fearing,hurting,struggling,itching,scratching,rumbling,gambling,nit-picking.Stop it and just do it
展开
-
pagerank算法
pagernk是对网页排名的算法,计算每一个网页的PageRank值,然后根据这个值(概率)的大小对网页的重要性进行排序。思想:被大量高质量网页引用(链接)的网页也是高质量的网页。比如网页Y被X1,X2,X3,X4四个网页所链接,且这四个网页的权重分别为0.001,0.01, 0.02, 0.04,则网页Y的rank值为 0.01 + 0.02 + 0.03 + 0.04 = 0.071最简单的pa原创 2017-04-12 21:28:22 · 1024 阅读 · 0 评论 -
富人俱乐部的度量
网络中少量的节点具有大量的边,这些节点成为富节点;他们之间也相互连接,构成富人俱乐部(rich-club)。 我们用富人俱乐部连通性 µ(r/N) 来刻画。他表示网络中的前r个度最大的节点之间实际存在边数L与这r个节点之间最大可能存在的边数r(r-1)/2 比值,即原创 2017-04-05 20:50:51 · 2458 阅读 · 0 评论 -
networkx库常用图的算法
先是简单的建立一个图import networkx as nxG = nx.Graph()G.add_edges_from([(1,2), (1,3)])G.add_node("vz")求连通子图并把它们输出print(list(nx.connected_components(G))#[{1, 2, 3, 4}, {'vz'}]求各节点的度 结果输出是字典类型,所以可以指定点的名称输出对应原创 2017-04-06 14:55:34 · 2113 阅读 · 0 评论 -
networkx库中常用网络演化模型
networkx在绘制网络图形提供了如何布局的方法,常用的有以下几种pos = nx.spectral_layout(G) pos = nx.shell_layout(G) pos = nx.circular_layout(G) pos = nx.spring_layout(G) pos = nx.random_layout(G) #如果需要获取图对应的点下标,则只需要pos[点的名原创 2017-04-06 15:47:16 · 1849 阅读 · 1 评论 -
紧密中心性(closeness centrality)
closeness centrality:某个节点到达其他节点的难易程度,也就是到其他所有结点距离的平均值的倒数。公式:例题及实现 :from igraph import Graph as IGraphf = open('/Users/tangweize/Desktop/net.data')edges = []for line in f.readlines():原创 2017-04-15 15:26:58 · 26047 阅读 · 1 评论 -
igraph 分析社交网络
from igraph import Graph as iGraphdef loadData(filename): dataMat = [] with open(filename) as f: for i in f.readlines(): t = i.strip().split(',') u, v = [k for k原创 2017-05-13 20:25:53 · 1116 阅读 · 0 评论