cdlib.evaluation.flake_odf

cdlib.evaluation.flake_odf(graph: Graph, community: object, summary: bool = True) → object

在S中，指向社区内部的边数少于指向社区外部的边数的节点比例。

\[f(S) = \frac{| \{ u:u \in S,| \{(u,v) \in E: v \in S \}| < d(u)/2 \}|}{n_S}\]

其中 \(E\) 是图的边集，\(v\) 是 \(S\) 中的一个节点，\(d(u)\) 是 \(u\) 的度数，\(n_S\) 是社区节点的集合。

Parameters:

• graph – 一个 networkx/igraph 对象

• 社区 – NodeClustering 对象

• summary – 布尔值。如果为True，则返回分区的聚合分数，否则返回单个社区的分数。默认值为True。

Returns:

如果 summary==True 则返回一个 FitnessResult 对象，否则返回一个浮点数列表。

示例：

>>> from cdlib.algorithms import louvain
>>> from cdlib import evaluation
>>> g = nx.karate_club_graph()
>>> communities = louvain(g)
>>> mod = evaluation.flake_odf(g,communities)

References:

1. Flake, G.W., Lawrence, S., Giles, C.L., 等人: 网络社区的高效识别。在: KDD, 卷 2000, 页 150–160 (2000)