拓端tecdat|python隶属关系图模型:基于模型的网络中密集重叠社区检测方法
原文链接:http://tecdat.cn/?p=7285
隶属关系图模型 是一种生成模型,可通过社区联系产生网络。下图描述了一个社区隶属关系图和网络的示例(图1)。
- 图1.左:社区关系图(圆形节点表示三个社区,正方形节点代表网络的节点),右:AGM生成的网络,社区关系图在左侧
当我们使用拟合于实际网络的 合成网络时,合成网络具有与真实网络非常相似的特征(图2)。
- 图2.边际概率是Orkut网络中常见社区成员数量的函数 。
进行社区检测
如果用户指定了要检测的社区数量,则 会找到相应的社区数量。如果用户未假定某个概率,则 使用(1 / N ^ 2),其中N是图中的节点数。
例子
我们展示了一些由隶属关系图模型和基础网络检测到的社区的示例。
图创建
如何创建和使用有向图的示例:
# 创建一个网络图
G1 = snap.TNGraph.New()
G1.AddNode(1)
G1.AddNode(5)
G1.AddNode(32)
G1.AddEdge(1,5)
G1.AddEdge(5,1)
G1.AddEdge(5,32)
用于保存和加载图形的代码如下所示:
# 使用 Forest Fire 模型创建一个网络图
G3 = snap.GenForestFire(1000, 0.35, 0.35)
#保存
FOut = snap.TFOut("test.graph")
G3.Save(FOut)
FOut.Flush()
FIn = snap.TFIn("test.graph")
G4 = snap.TNGraph.Load(FIn)
# 保存从文本读取
snap.SaveEdgeList(G4, "test.txt", "Save as tab-separated list of edges")
G5 = snap.LoadEdgeList(snap.PNGraph, "test.txt", 0, 1)
- 悲惨世界中的人物网络中的社区。不共享社区的两个节点之间的边缘概率设置为0.01,以检测更紧凑的社区。
- NCAA橄榄球队网络中的社区(通过将两个不共享社区的节点的边缘概率设置为0.1,5个试验的最佳结果。圆形区域表示检测到的社区,节点颜色表示NCAA。
下载资料
我们提供6个数据集,每个数据集都有一个网络和一组真实的社区。真实社区是可以从数据中定义和标识的社区。每个数据集的网页都描述了我们如何识别数据集中的真实社区。
数据集:
类型 | 节点数 | 边缘 | 社区 | 描述 | |
---|---|---|---|---|---|
无向,社区 | 3,997,962 | 34,681,189 | 664,414 | LiveJournal在线社交网络 | |
无向,社区 | 65,608,366 | 1,806,067,135 | 1,620,991 | Friendster在线社交网络 | |
无向,社区 | 3,072,441 | 117,185,083 | 15,301,901 | Orkut在线社交网络 | |
无向,社区 | 1,134,890 | 2,987,624 | 16,386 | YouTube在线社交网络 | |
无向,社区 | 317,080 | 1,049,866 | 13,477 | DBLP协作网络 | |
无向,社区 | 334,863 | 925,872 | 271,570 | 亚马逊产品网络 |
最受欢迎的见解
1.采用spss-modeler的web复杂网络对所有腧穴进行分析
2.用R语言和python进行社交网络中的社区检测
3.R语言文本挖掘NASA数据网络分析,tf-idf和主题建模
4.在R语言中使用航空公司复杂网络对疫情进行建模
5.python隶属关系图模型 基于模型的网络中密集重叠社区检测
6.使用Python和SAS Viya分析社交网络
7.关联网络分析:已迁离北京外来人口的数据画像
8.情感语义网络:游记数据感知旅游目的地形象
9.用关联规则数据挖掘探索药物配伍中的规律
拓端tecdat|python隶属关系图模型:基于模型的网络中密集重叠社区检测方法相关推荐
- 拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
- 拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
- 卷积神经网络训练准确率突然下降_基于联邦学习和卷积神经网络的入侵检测方法...
王蓉1,马春光2,武朋2 1. 哈尔滨工程大学计算机科学与技术学院,哈尔滨 150001:2. 山东科技大学计算机科学与工程学院,青岛 266590 doi :10.3969/j.issn.1671- ...
- matlab ssd检测,基于SSD神经网络的违章停车车辆实时检测方法与流程
本发明属于图像识别和计算机视觉技术领域,尤其涉及一种停车车辆的检测方法,可用于城市环境中对违章停车车辆的检测. 背景技术: 随着现代社会经济的快速发展和城市化的普及,汽车作为一种重要的交通工具,其数量 ...
- matlab 重叠峰分解 算法,一种基于粒子群算法的光谱重叠峰分解方法与流程
本发明涉及一种基于粒子群算法的光谱重叠峰分解方法. 背景技术: 由于探测器能量分辨率等原因,峰位接近且峰宽较大的不同谱峰之间常常出现严重重叠干扰的现象,要对光谱作进一步较为准确.全面的成分定量和定性分 ...
- 基于多路网络中的重叠影响来识别多个有影响的用户
文章目录 摘要 1 引言 2 相关工作 2.1 多路复用网络的建模 2.2 针对多路复用网络的中心性度量 2.3 重叠影响 3 基于OI的方法 3.1 有效扩展最短路径 3.2 基于重叠影响的方法 4 ...
- 论文研究 | 基于机器视觉的汽车精密零件表面缺陷自动检测方法
0 引言 略. 1 汽车精密零件表面缺陷的机器视觉采样和预处理 1.1表面缺陷的机器视觉采样 为了实现基于机器视觉的汽车精密零件表面缺陷 自动检测,结合工件材料的应力参数分析和光学视觉特 征采集方法, ...
- 获取预制体_基于弱磁探测技术的轴承滚动体转速检测方法研究
摘要 针对高速轻载轴承保持架打滑测试中滚动体速度检测的难题,利用弱磁探测技术探测滚动体的弱磁场,并通过提取弱磁信号的特征频率实现滚动体转速的测量.搭建了测试平台进行试验,分析了测试距离与转速对滚动体弱 ...
- 基于深度残差网络的番茄叶片病害识别方法
基于深度残差网络的番茄叶片病害识别方法 1.研究思路 该方法首先利用贝叶斯优化算法自主学习网络中难以确定的超参数,降低了深度学习网络的训练难度.在此基础上,通过在传统深度神经网络中添加残差单元,解决了 ...
- 基于物联网流量指纹的安全威胁轻量级检测方法
[摘 要]针对传统物联网深度包流量检测效率过低问题,提出一种基于物联网流量指纹的安全威胁轻量级检测方法.首先采用数据重构的方法获取流量时空数据,然后采用深度学习的方法提取流量数据时空特征(即流量数据 ...
最新文章
- python调用linux命令输出结果,Python-运行shell命令并捕获输出
- coredump_filter的设置
- MySQL 8下忘密码后重置密码的办法(MySQL5老方法不灵了)
- 长得像鳗鱼的Envirobot,利用传感器检测并追踪水中有害元素
- 绿色应用成主流,国内千款主流应用75%已达绿标
- 零基础学习sql篇(1)
- c语言基础知识 入门必看(保姆级教学)
- 用opencv压缩图片
- 龙卷风路径_和平精英龙卷风在哪里 龙卷风位置介绍
- 他是马化腾的偶像,拒绝马云的应聘 !如今劝年轻人不要太拼、要认命......
- 成功解决 AttributeError: ‘TySpider‘ object has no attribute ‘make_requests_from_url‘
- 组播域GNS3与eNSP桥接以及GNS3的使用教程
- 【LeetCode】Algorithms 题集(二)
- PHP根据经纬度查询地理位置
- 2021-CVPR-图像修复论文导读《TransFill: Reference-guided Image Inpainting by Merging Multiple Color and ~~~》
- 【快速打点综合工具 -- ALLiN】
- C++中测数组的长度
- Ehcache缓存时间设置
- linux 僵尸进程deffunc,subprocess.Popen引起的僵尸进程[sh] defunct
- vue+elementui,输入框输入特殊字符提示