社交网络算法-分析指标
  • 一个具体的网络可抽象为一个由节点(vertex或node) 集合V和边(edge)集合E组成的图G = (V, E),节点数 记为n = |V|,边数记为m = |E|。
  • 衡量指标
    • 度(degree)
    • 密度(density)
    • 团(clique)
    • 度中心性(degree centrality)
    • 紧密中心性(closeness centrality)
    • 介数中心性(betweenness centrality)
    • 聚集系数(clustering coefficient)
import csv
edges = []
with open('net.data', 'rb') as f:for row in csv.reader(f.read().splitlines()):u, v = [ i for i in row]edges.append((u, v))
from igraph import Graph as igraph
g = IGraph.TupleList(edges, directed = False, vertex_name_attr = 'name', edge_attrs = None,wwights = False)
print(g)
for p in g.vs:print(p['name'],p.degree())

紧密中心性(closeness centrality)

某个节点到达其他节点的难易程度,也就是其他所有结点距离的平均值的倒数

paths = g.get_all_shortest_paths("7")
names = g.vs("name")
cc = 0
for p in paths:print([names[x] for x in p])cc += len(p)-1
print("closeness centrality", (len(paths)-1)/float(cc))

ccvs = []
for p in zip(g.vs, g.closeness()):ccvs.append({"name":p[0]["name"],"cc":p[1]})# print(pgvs)sorted(ccvs, key=lambda k: k['cc'], reverse=True)[:10]

介数中心性(betweenness centrality)
  • 计算每对节点(i,j)之间的最短路径,当然需要得到具体路径

  • 对哥哥节点判断该节点是否在最短路径上

  • 最后将刚刚的判断进行累加得到从i到j的最短路径经过该节点的数量

点介数
  sp = []target = 7for v in g.vs:print(v,v['name'])paths = g.get_all_shortest_paths(v["name"])for p in paths:if target in p and target != p[0] and target != p[-1]:print(target, p)sp.append(p)print(sp)print(len(sp))# 去重:i到j和j到i的同一条路径spbt = ()tu = []for x in sp:if set((x[0],x[-1])) not in tu:tu.append(set((x[0],x[-1])))spbt +=1print("betweenness = ", spbt)btvs = []for p in zip(g.vs, g.betweenness()):btvs.append({"name":p[0]["name"],"bt":p[1]})# print(pgvs)sorted(btvs, key=lambda k: k["bt"], reverse = True)


更多内容第一时间了解欢迎关注微信公众号 【码龙社】

社交网络算法-分析指标相关推荐

  1. 时差 频差 双星定位 matlab,双星时差频差无源定位系统定位算法工程指标分析

    文章编号 :1001 - 893X(2011)07 - 0034 - 04 双星时差频差无源定位系统定位算法工程指标分析Ξ王勤果 ,龙 宁 (中国西南电子技术研究所 ,成都 610036) 摘 要 : ...

  2. 机器学习算法常用指标总结

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 机器学习性能评价标准是模型优化的前提,在设计机器学习算法过程中,不 ...

  3. 分类算法—Performance指标

    目录 一.分类问题 二.回归问题 三.聚类 四.信息检索 五.总结 在使用机器学习算法过程中,针对不同的问题需要不用的模型评估标准,这里统一汇总.主要以两大类分类与回归分别阐述. 一.分类问题 1.混 ...

  4. 【波段分析】揭秘主力做庄波段分析指标支持多分时级别

    [波段分析]支持多分时级别揭秘主力做庄波段分析指标       这是一个主要运用于 中 短线波段的实战副图看盘指标,此指标 以红色.绿色.粉色.白色做表现 ,可直观地描述个股趋势的特征!       ...

  5. 在线社交网络影响力分析——总结

    社交影响力可以通过用户之间的社交活动体现出来,表现为用户的行为和思想等受他人影响发生改变的现象.在线社交网络影响力分析主要涉及三方面的内容:1.影响力自身的识别,如何从繁杂的因素中鉴别影响力和相关要素 ...

  6. 网络数据的背后-网络日志的分析指标【转】

      通常网站分析的技术包括页面标签分析技术(JS技术)和日志文件分析技术两种,两种网站分析技术各有优缺点,譬如下文中介绍的基于回话的统计和点击流分析日志文件分析法就要优于页面标签分析法,通常,两种技术 ...

  7. 衡量失败检测算法的指标

    失败发生的地方 失败可能发生在节点之间的连接,比如丢包或者延迟增大:也可能发生在节点进程本身,比如节点崩溃或者处理缓慢.我们其实很难区分节点到底是处理慢,还是完全无法处理请求.所以所有的侦测算法需要在 ...

  8. 机器学习算法衡量指标——准确率、精确率(查准率)、召回率(查全率)

    机器学习算法衡量指标 在分类问题中,将机器学习模型的预测与实际情况进行比对后,结果可以分为四种:TP.TN.FN.FP.每个的第一个字母:T/F,代表预测结果是否符合事实,模型猜得对不对,True o ...

  9. 【Java】基于TA-Lib技术分析指标研究

    [Java]SFC融媒体项目基于TA-Lib技术分析指标研究 [Java]SFC融媒体项目基于TA-Lib技术分析指标研究 0. 前言 1. TA-Lib介绍 2. TA-Lib数据准备 2.1 指标 ...

最新文章

  1. 部署 SCCM 2012R2之三:系统准备篇
  2. 使用自连接、for xml path('')和stuff合并显示多行数据到一行中(转)
  3. STM32 基础系列教程 48 – CJSON
  4. 用c#开发微信 (16) 微活动 2 刮刮卡
  5. 服务端第八次上课:mongodb,redis
  6. 使用C#编程解决数独求解(从图片识别到数独求解)
  7. 边缘检测robert原理_机器视觉尺寸检测基础
  8. oracle 进入gdsctl,oracle的分析函数over 及开窗函数[转]
  9. 基于IDEA的JavaWeb开发环境搭建
  10. linux如何自动处理文件,linux文件处理
  11. python_thrift
  12. 5安卓输入法键盘显示 搜索_日语输入法怎么用?
  13. showModalDialog的用法
  14. 计算机毕业设计Python+django 网上外卖订餐系统(源码+系统+mysql数据库+Lw文档)
  15. origin下载速度慢 解决方法
  16. python下载加密m3u8_基于Python3实现的m3u8批量下载器 解密合并多线程 (开车新姿势~)...
  17. python100内的质数_python输出100以内的质数与合数实例代码
  18. 人工智能终将自我进化?排除无用功能,让自己更加完美?
  19. SQL获取当天0点0分0秒和23点59分59秒方法
  20. 如何区别聚合支付“一清二清”?

热门文章

  1. LeetCode和剑指offer题目大合集
  2. 对js函数的初步认识 对乘法表简单改进
  3. expdp 导出sys用户下的表报错ORA-39165 和ORA-39166
  4. 巴比特 | 元宇宙每日必读:国产大模型“诸神之战”开启,谁能突围成为下一个OpenAI?...
  5. 介绍一款我自己用VB开发的中药饮片进销存生产管理系统+GMP质量管理
  6. git用户名和密码保存文件_git保存用户名和密码
  7. java id值_Java实现数值型ID生成器
  8. 百度、阿里巴巴、腾讯等18家名企2016年校招计划出炉
  9. Scrum基础框架,快速配置Scrum自动化场景
  10. mac sequelpro下载和使用教程