cdlib.algorithms.siblinarity_antichain¶
- cdlib.algorithms.siblinarity_antichain(g_original: object, forwards_backwards_on: bool = True, backwards_forwards_on: bool = False, Lambda: int = 1, with_replacement: bool = False) NodeClustering¶
该算法从DAG中提取社区，这些社区（i）尊重其内在顺序，（ii）由相似的节点组成。 该方法受到文献计量学中经典相似性度量的启发，用于评估两篇出版物基于其相对引用模式的相似程度。
支持的图表类型
无向
有向
加权
否
是 (DAG)
否
- Parameters:
g_original – 一个表示DAG（有向无环图）的networkx/igraph对象
forwards_backwards_on – 检查后继者的相似性。布尔值，默认为 True
backwards_forwards_on – 检查前驱的相似性。布尔值，默认为 True
Lambda – 分区的期望分辨率。默认值为1
with_replacement – 如果为True，则节点与自身的相似性等于基于其邻居数量定义的相似性。布尔值，默认为True。
- Returns:
节点聚类对象
- Example:
>>> from cdlib import algorithms >>> import networkx as nx >>> G = nx.karate_club_graph() >>> coms = algorithms.siblinarity_antichain(G, Lambda=1)
- References:
Vasiliauskaite, V., Evans, T.S. 使社区尊重秩序。Appl Netw Sci 5, 15 (2020). https://doi.org/10.1007/s41109-020-00255-5