合成基准测试

在基于外部语义信息而非拓扑信息进行注释时，评估社区检测算法在真实社区上的表现可能会很棘手。

因此，cdlib 集成了具有植入社区结构的合成网络生成器。

注意

以下列表与cdlib的GitHub主分支中可用的CD评估方法对齐。

具有社区真实性的静态网络

普通静态网络的基准测试。 所有生成器都返回一个元组：(networkx.Graph, cdlib.NodeClustering)

GRP(n, s, v, p_in, p_out[, directed, seed])	生成一个高斯随机分区图。
LFR(n, tau1, tau2, mu[, average_degree, ...])	返回LFR基准图和植入的社区。
PP(l, k, p_in, p_out[, seed, directed])	返回种植的l分区图。
RPG(sizes, p_in, p_out[, seed, directed])	返回具有分区大小的随机分区图。
SBM(sizes, p[, nodelist, seed, directed, ...])	返回一个随机块模型图。

节点属性静态网络的基准测试。

XMark([n, gamma, beta, m_cat, theta, mu, ...])

返回带有注释的XMark基准图和植入的社区。

具有社区真实性的动态网络

随时间演变的网络拓扑结构，植入社区生命周期。 所有生成器都返回一个元组：(dynetx.DynGraph, cdlib.TemporalClustering)

RDyn([size, iterations, avg_deg, sigma, ...])

RDyn 是一个合成的动态网络生成器，具有时间依赖的真实分区，其质量（以传导性衡量）可调。