collaboration_weighted_projected_graph#
- collaboration_weighted_projected_graph(B, nodes)[源代码]#
纽曼对B的加权投影到它的一个节点集上。
协作加权投影是二部网络B在具有使用纽曼协作模型分配的权重的指定节点上的投影 [1]:
\[W U,V=\ SUM K \ FRAC \ Delta U ^ K \ Delta V ^ K D U K-1\]在哪里?
u
和v
是来自底部二部分节点集的节点,并且k
是顶级节点集的节点。价值d_k
是节点的程度k
在二方网络中delta_{{u}}^{{k}}
是1个IF节点u
链接到节点k
在原始的二部图中,或者0。如果原始二部图中的公共节点有边,则节点保留其属性并连接到结果图中。
- 参数
- B网络X图表
输入图应该是二部图。
- nodes列表或可迭代
要投影到的节点(“底部”节点)。
- 返回
- Graph网络X图表
是在给定节点上的投影的图。
参见
is_bipartite
is_bipartite_node_set
sets
weighted_projected_graph
overlap_weighted_projected_graph
generic_weighted_projected_graph
projected_graph
笔记
未尝试验证输入图B是否为二部分。图形和节点属性(浅)复制到投影图形。
见
bipartite documentation
有关如何在NetworkX中处理二部图的详细信息。工具书类
- 1
科学协作网络:二。最短路径、加权网络和中心性,M.E.J.纽曼,物理。牧师。E 64016132(2001年)。
实例
>>> from networkx.algorithms import bipartite >>> B = nx.path_graph(5) >>> B.add_edge(1, 5) >>> G = bipartite.collaboration_weighted_projected_graph(B, [0, 2, 4, 5]) >>> list(G) [0, 2, 4, 5] >>> for edge in sorted(G.edges(data=True)): ... print(edge) ... (0, 2, {'weight': 0.5}) (0, 5, {'weight': 0.5}) (2, 4, {'weight': 1.0}) (2, 5, {'weight': 0.5})