cdlib.benchmark.RDyn¶
- cdlib.benchmark.RDyn(size: int = 300, iterations: int = 5, avg_deg: int = 15, sigma: float = 0.6, lambdad: float = 1, alpha: float = 2.5, paction: float = 1, prenewal: float = 0.8, quality_threshold: float = 0.5, new_node: float = 0.0, del_node: float = 0.0, max_evts: int = 1, simplified: bool = True) [dynetx.DynGraph, <class 'object'>]¶
RDyn 是一种合成动态网络生成器，具有时间依赖的真实分区，其质量可调（以传导性衡量）。 社区的 ID 在时间上对齐，并且在连续的稳定迭代之间植入了预定义的合并/分裂事件数量。
- Parameters:
size – 节点数量
iterations – 稳定迭代次数
avg_deg – 平均节点度数。整数，默认值为15
sigma – 节点在社区内的边所占的百分比。浮点数，默认为 .6
lambdad – 社区规模分布指数。浮点数，默认为1
alpha – 度分布指数。浮点数，默认值为2.5
paction – 节点操作的概率。浮点数，默认为1
prenewal – 边更新的概率。浮点数，默认值为0.8
quality_threshold – 稳定迭代的传导质量阈值。浮点数，默认为 .5
new_node – 节点出现的概率。浮点数，默认为0
del_node – 节点消失的概率。浮点数，默认为0
max_evts – 稳定迭代的最大社区事件数。整数，默认值为1
simplified – 简化执行。布尔值，默认为True。（注意：当为True时，执行原始过程的近似值 - 某些网络特性可能会偏离预期值）
- Returns:
一个dynetx DynGraph，TemporalClustering对象
- Example:
>>> from cdlib.benchmark import RDyn >>> G, coms = RDyn(n=300)
- References:
罗塞蒂，朱利奥。“RDyn：处理社区动态的图基准。”复杂网络杂志 5.6 (2017): 893-912.