Python NetworkX preferential_attachment用法及代碼示例

計算 ebunch 中所有節點對的優先附著分數。

u和v的優先依戀分數定義為

其中 \(\Gamma(u)\) 表示 \(u\) 的鄰居集。

參數：

G：圖形

NetworkX 無向圖。

ebunch：節點對的可迭代，可選(默認 = 無)

將為迭代中給定的每對節點計算優先附件分數。這些對必須以 2 元組 (u, v) 的形式給出，其中 u 和 v 是圖中的節點。如果 ebunch 為 None 則將使用圖中所有不存在的邊。默認值：無。

返回：

piter：迭代器

(u, v, p) 形式的 3 元組迭代器，其中 (u, v) 是一對節點，p 是它們的優先附著分數。

參考：

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