square_clustering#
- square_clustering(G, nodes=None)[源代码]#
计算节点的平方聚类系数。
对于每个节点,返回该节点上存在的可能正方形的分数 [1]
\[C_4(v) = \frac{ \sum_{u=1}^{k_v} \sum_{w=u+1}^{k_v} q_v(u,w) }{ \sum_{u=1}^{k_v} \sum_{w=u+1}^{k_v} [a_v(u,w) + q_v(u,w)]},\]哪里 \(q_v(u,w)\) 是的公共邻居的数量 \(u\) 和 \(w\) 除 \(v\) (即平方),以及 \(a_v(u,w) = (k_u - (1+q_v(u,w)+\theta_{{uv}})) + (k_w - (1+q_v(u,w)+\theta_{{uw}}))\) ,在哪里 \(\theta_{{uw}} = 1\) 如果 \(u\) 和 \(w\) 均已连接,否则为0。 [2]
- 参数
- G图表
- nodes节点容器,可选(默认为G中的所有节点)
计算此容器中节点的群集。
- 返回
- c4词典
以具有平方聚类系数值的节点为关键字的字典。
笔记
同时 \(C_3(v)\) (三角形聚类)给出了节点V的两个相邻点相互连接的概率, \(C_4(v)\) 节点V的两个邻居共享一个不同于V的公共邻居的概率。该算法可同时应用于二部网络和单部网络。
工具书类
- 1
Pedro G.Lind、Marta C.Gonz_lez和Hans J.Herrmann。2005年在二部网络中的循环和聚类。物理评论E(72)056127。
- 2
张、彭等人。二部网络的聚类系数和社团结构。物理学A:统计力学及其应用387.27(2008年):6869-6875。Https://arxiv.org/abs/0710.0117v1
实例
>>> G = nx.complete_graph(5) >>> print(nx.square_clustering(G, 0)) 1.0 >>> print(nx.square_clustering(G)) {0: 1.0, 1: 1.0, 2: 1.0, 3: 1.0, 4: 1.0}