Python NetworkX preferential_attachment用法及代码示例

计算 ebunch 中所有节点对的优先附着分数。

u和v的优先依恋分数定义为

其中 \(\Gamma(u)\) 表示 \(u\) 的邻居集。

参数：

G：图形

NetworkX 无向图。

ebunch：节点对的可迭代，可选(默认 = 无)

将为迭代中给定的每对节点计算优先附件分数。这些对必须以 2 元组 (u, v) 的形式给出，其中 u 和 v 是图中的节点。如果 ebunch 为 None 则将使用图中所有不存在的边。默认值：无。

返回：

piter：迭代器

(u, v, p) 形式的 3 元组迭代器，其中 (u, v) 是一对节点，p 是它们的优先附着分数。

参考：

1

D. Liben-Nowell, J. Kleinberg. The Link Prediction Problem for Social Networks (2004). http://www.cs.cornell.edu/home/kleinber/link-pred.pdf

例子：

>>> G = nx.complete_graph(5)
>>> preds = nx.preferential_attachment(G, [(0, 1), (2, 3)])
>>> for u, v, p in preds:
...     print(f"({u}, {v}) -> {p}")
(0, 1) -> 16
(2, 3) -> 16