Python NetworkX square_clustering用法及代碼示例

計算節點的平方聚類係數。

對於每個節點，返回節點 [1] 處存在的可能正方形的分數

其中 \(q_v(u,w)\) 是 \(u\) 和 \(w\) 除 \(v\) 之外的共同鄰居的數量(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 \(w\) 連接，否則為 0 。 [2]

參數：

G：圖形

nodes：節點容器，可選(默認=G 中的所有節點)

計算此容器中節點的集群。

返回：

c4：字典

由具有平方聚類係數值的節點鍵入的字典。

注意：

\(C_3(v)\)(三角形聚類)給出節點 v 的兩個鄰居相互連接的概率，\(C_4(v)\) 是節點 v 的兩個鄰居共享一個不同於 v 的公共鄰居的概率。該算法可以應用於兩者二分網絡和單分網絡。

參考：

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}