LFR简单使用入门

1. 运行环境

LFR程序下载链接， 运行环境为Linux、g++

1.1 先安装build-essential：（可省略）

  
  
$ sudo apt-get install build-essential

1.2 查看 gcc 版本

  
  
$ gcc --version
gcc (Ubuntu/Linaro 4.6.3-1ubuntu5) 4.6.3
Copyright (C) 2011 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

1.3 安装 统一版本的 g++

  
  
$ sudo apt-get install g++

1.4 查看安装版本

  
  
$ g++ --version

2. 用LFR生成网络

• 首先跳转到 LFR 的 binary_network 目录中compile一下。

  
  
$ make

这样会生成一个 benchmark 文件，它就是我们构建网络的工具。

• 使用 benchmark 生成一个网络数据的简单的例子：

  
  
$ ./benchmark -f flags.dat -t1 3

这里的 flags.dat 文件在解压缩包后就有的，它表示参数的设置。benchmark工具会根据这个flag.dat文件生成网络数据。如果要生成其他的网络，要修改这个文件的参数。

  
  
$ ./benchmark [FLAG] [P]
[FLAG]      [P]
-N      number of nodes    
-k      average degree     
-maxk   maximum degree
-mu mixing parameter      
-t1     minus exponent for the degree sequence
-t2     minus exponent for the community size distribution
-minc   minimum for the community sizes
-maxc   maximum for the community sizes
-on     number of overlapping nodes
-om     number of memberships of the overlapping nodes
-C      [average clustering coefficient]

• 关于参数mu 
  1-mu是节点与其同一个社区内的节点之间的共享比例，mu是节点与其它社区节点的共享比例。mu设置的小一点，社区内部更加紧凑。

• 一个flag.dat文件的例子：

  
  
-N 2000
-k 16
-maxk 60
-mu 0.3
-t1 2
-t2 1
-minc 32
-maxc 40
-on 0
-om 0

3. 转化为gml文件

network.dat文件是得到的网络结构，每一行表示一条边。文件community.dat是该网络的真实社区结构其每一行表示 (节点、节点所在的社区)。

将network.dat 和 community.dat 转化为我们需要的 LFR-1.gml 文件：

  
  
#coding=utf-8
import networkx as nx
from collections import defaultdict
def transfer_2_gml():
    """--------------------------------------------------------------------------
    function:   将LFR的network.dat和community.dat转化为.gml文件
    parameter:  
    return:     
    -------------------------------------------------------------------------------"""
    nodes_labels={}
    k=0
    with open("community.dat","r") as f:
        for line in f.readlines():
            items=line.strip("\r\n").split("\t")
            v=items[0]
            label=items[1]
            nodes_labels[v]=label
        #end-for
    #end-with
    G=nx.Graph()
    for v in nodes_labels.keys():  #添加所有的节点，并且记录其真实标签
        G.add_node(v, value=nodes_labels[v])
    edges=set()
    with open("network.dat","r") as f:
        for line in f.readlines():
            items=line.strip("\r\n").split("\t")
            a=items[0]
            b=items[1]
            if (a,b) not in edges  or (b,a) not in edges:
                edges.add( (a,b) )
        #end-for
    #end-with
    for e in edges:
        a,b=e
        G.add_edge(a,b,type="Undirected")
    nx.write_gml(G,"LFR-1.gml")
    print ("transfer LFR(*.dat) data to *.gml")
    communities=defaultdict(lambda :[])
    for v in nodes_labels.keys():
        label=nodes_labels[v]
        communities[label].append(v)
    for c in communities.keys():
        print ("community ", c ,": \n", communities[c], "\n")
def main():
    transfer_2_gml()
if __name__ == '__main__':
    main()

4. 参考

[1] LFR程序下载

[2] LFR使用示例–github链接

Pre: sklearn决策树及可视化

Next: python旁门左道