Эталон Ланчикинетти – Фортунато – Радикки
Часть серии о | ||||
Сетевая наука | ||||
---|---|---|---|---|
Типы сетей | ||||
Графики | ||||
|
||||
Модели | ||||
|
||||
| ||||
Ланчикинетти-Фортунато-Радикки Тест — это алгоритм, который генерирует эталонные сети (искусственные сети, напоминающие сети реального мира). Они имеют заранее известные сообщества и используются для сравнения различных методов обнаружения сообществ. [ 1 ] Преимущество эталонного теста перед другими методами заключается в том, что он учитывает неоднородность в распределении узлов степеней и размеров сообществ. [ 2 ]
Алгоритм
[ редактировать ]Степени узлов и размеры сообществ распределяются по степенному закону с разными показателями степени. Тест предполагает, что и степень, и размер сообщества имеют степенное распределение с разными показателями: и , соответственно. количество узлов и средняя степень . Есть параметр смешивания , который представляет собой среднюю долю соседних узлов узла, которые не принадлежат ни к одному сообществу, к которому принадлежит эталонный узел. Этот параметр управляет долей ребер между сообществами. [ 2 ] Таким образом, он отражает количество шума в сети. В крайних случаях, когда все ссылки находятся внутри ссылок сообщества, если все связи находятся между узлами, принадлежащими разным сообществам. [ 3 ]
Можно создать эталонную сеть, выполнив следующие шаги.
Шаг 1. Создайте сеть с узлами, подчиняющимися степенному закону распределения с показателем степени. и выбираем экстремумы распределения и получить желаемую среднюю степень .
Шаг 2: доля ссылок каждого узла приходится на узлы одного и того же сообщества, а доля с другими узлами.
Шаг 3. Определите размеры сообщества на основе степенного распределения с показателем степени. . Сумма всех размеров должна быть равна . Минимальный и максимальный размеры сообщества и должен удовлетворять определению сообщества, чтобы каждый неизолированный узел входил хотя бы в одно сообщество:
Шаг 4: Изначально сообществам не назначены узлы. Затем каждый узел случайным образом назначается сообществу. Пока количество соседних узлов внутри сообщества не превышает размер сообщества, к сообществу добавляется новый узел, в противном случае он остается в стороне. В следующих итерациях «бездомный» узел случайным образом присваивается какому-либо сообществу. Если это сообщество завершено, т. е. его размер исчерпан, случайно выбранный узел этого сообщества должен быть отключен. Остановите итерацию, когда все сообщества будут завершены и все узлы будут принадлежать хотя бы одному сообществу.
Шаг 5. Реализуйте перемонтирование узлов, сохраняя те же уровни узлов, но затрагивая только долю внутренних и внешних ссылок, так, чтобы количество ссылок за пределами сообщества для каждого узла было примерно равно параметру смешивания. . [ 2 ]
Тестирование
[ редактировать ]Рассмотрим разделение на сообщества, которые не перекрываются. Сообщества случайно выбранных узлов на каждой итерации следуют распределение, которое представляет вероятность того, что случайно выбранный узел принадлежит сообществу . Рассмотрим раздел той же сети, который был предсказан каким-то алгоритмом поиска сообщества и имеет распределение. Тестовый раздел имеет распределение. Совместное распространение . Сходство этих двух разделов фиксируется нормализованной взаимной информацией .
Если тест и обнаруженные разделы идентичны, и если тогда они независимы друг от друга. [ 4 ]
Ссылки
[ редактировать ]- ^ Хуа-Вэй Шен (2013). «Структура сообщества сложных сетей». Springer Science & Business Media. 11–12.
- ^ Перейти обратно: а б с А. Ланчикинетти, С. Фортунато и Ф. Радикки. (2008) Контрольные графики для тестирования алгоритмов обнаружения сообществ. Физический обзор E, 78. arXiv : 0805.4770
- ^ Тван ван Лаарховен и Елена Маркиори (2013). «Обнаружение сетевого сообщества с помощью классификаторов ребер, обученных на графах LFR». https://www.cs.ru.nl/~elenam/paper-learning-community.pdf. Архивировано 3 ноября 2018 г. в Wayback Machine.
- ^ Барабаси, А.-Л. (2014). «Сетевая наука». Глава 9: Сообщества.