Python NetworkX square_clustering用法及代码示例

计算节点的平方聚类系数。

对于每个节点，返回节点 [1] 处存在的可能正方形的分数

其中 \(q_v(u,w)\) 是 \(u\) 和 \(w\) 除 \(v\) 之外的共同邻居的数量(即正方形)和 \(a_v(u,w) = (k_u - (1+q_v(u,w)+\theta_{uv})) + (k_w - (1+q_v(u,w)+\theta_{uw}))\) ，其中 \(\theta_{uw} = 1\) 如果 \(u\) 和 \(w\) 连接，否则为 0 。 [2]

参数：

G：图形

nodes：节点容器，可选(默认=G 中的所有节点)

计算此容器中节点的集群。

返回：

c4：字典

由具有平方聚类系数值的节点键入的字典。

注意：

\(C_3(v)\)(三角形聚类)给出节点 v 的两个邻居相互连接的概率，\(C_4(v)\) 是节点 v 的两个邻居共享一个不同于 v 的公共邻居的概率。该算法可以应用于两者二分网络和单分网络。

参考：

1

Pedro G. Lind, Marta C. González, and Hans J. Herrmann. 2005 Cycles and clustering in bipartite networks. Physical Review E (72) 056127.

2

Zhang, Peng et al. Clustering Coefficient and Community Structure of Bipartite Networks. Physica A: Statistical Mechanics and its Applications 387.27 (2008): 6869-6875. https://arxiv.org/abs/0710.0117v1

例子：

>>> G = nx.complete_graph(5)
>>> print(nx.square_clustering(G, 0))
1.0
>>> print(nx.square_clustering(G))
{0: 1.0, 1: 1.0, 2: 1.0, 3: 1.0, 4: 1.0}