cdlib.evaluation.ecs

cdlib.evaluation.ecs(first_partition: object, second_partition: object, alpha: float = 0.9, r: float = 1.0, r2: float | None = None, rescale_path_type: str = 'max', ppr_implementation: str = 'prpack') → MatchingResult

以元素为中心的聚类相似性。

Parameters:

• first_partition – NodeClustering 对象

• second_partition – NodeClustering 对象

• alpha – 个性化页面排名返回概率，作为[0,1]范围内的浮点数。浮点数，默认值为0.9

• r – 用于聚类1的层次缩放参数。浮点数，默认值为1.0

• r2 – 用于clustering2的分层缩放参数。float，默认为None

• rescale_path_type – 通过以下方式重新调整层次高度：'max' 从根节点到叶节点的最大路径；'min' 从根节点到叶节点的最小路径；'linkage' 使用聚类中的链接距离。

• ppr_implementation – 选择用于个性化页面排名计算的实现方式：'prpack' 使用 igraph 中的 PPR 算法；'power_iteration'：使用 power_iteration 方法。

Returns:

匹配结果对象

Example:

>>> from cdlib import evaluation, algorithms
>>> import networkx as nx
>>> g = nx.karate_club_graph()
>>> louvain_communities = algorithms.louvain(g)
>>> leiden_communities = algorithms.leiden(g)
>>> evaluation.ecs(louvain_communities,leiden_communities)

Reference:

A.J. Gates, I.B. Wood, W.P. Hetrick, 和 YY Ahn [2019]. “以元素为中心的聚类比较统一了重叠和层次结构”. 科学报告 9, 8574

注意

该函数需要安装clusim库。您可以通过pip安装：pip install clusim