networkx
文章平均质量分 72
networkx的使用记录
每天都想躺平的大喵
这个作者很懒,什么都没留下…
展开
-
networkx计算边的重要性:边介数或者中介中心性edge_betweenness
背景最近需要在一个节点数300+万,边400+万的有向图中删除某一些边的子集,但是又需要尽量减少对图的弱连通性的影响。最后的解决方案中一部分是,先将有向图转为无向图,计算边的betweenness,有时也被翻译成中介中心性,然后删除中介中心性较低的边。定义betweenness顾名思义,是它作为中介的一种度量。具体是在所有最短路径中,此边通过的最短路径所占的比例。因此betweenness越高,其中介性越高。cB(e)=∑s,t∈eσ(s,t∣v)σ(s,t)c_B(e) =\sum_{s,t \原创 2021-12-07 14:29:21 · 6634 阅读 · 2 评论 -
networkx与PyG计算度数degree时需避免的坑:自环selfloop和多重边
networkx与PyG计算度数degree时,关于自环selfloop部分需要避免的坑networkx有向图无向图pytorch geometric近日需要统计图的基本性质,在使用nx和PyG自带的度数计算时,发现他们的底层逻辑是不同的,因此计算结果在一些情况下也会不同。这里做个简单的小结,也避免自己今后踩坑。networkx先上结论:networkx在计算度数的时候,自环selfloop部分会被计算为2。有向图先看有向图import networkx as nxDG = nx.DiGrap原创 2021-12-06 12:16:24 · 4170 阅读 · 1 评论