罗盘复杂网络教程—3步轻松构建社团检测任务

作为复杂网络领域中重要的课题之一,社团检测有助于揭示网络中存在的功能性模块或群集,旨在于仅利用网络中蕴含的来识别模块,并可能进而识别它们的层次组织。社团检测在各个领域具有重要的应用,可以帮助深入理解复杂系统潜在的模式和规律。

罗盘复杂网络计算平台官方网站:www.scicompass.com

在罗盘复杂网络计算平台中,提供了多种社团检测算法,方便用户进行相关分析。在罗盘复杂网络计算平台中,构建社团检测任务主要包括以下三个关键步骤:

1. 数据集选择

在官方组件库中或按照格式模板选择需要计算的数据集。例如,在下文的数据集选择中,我们从官方组件库中选择了Zachary's-Karate-Club数据集作为计算数据集。值得注意的是,选择数据集时要关注数据集是否存在可以作为社团标识的节点属性,例如在Zachary's-Karate-Club中节点属性club可以作为社团的标识。

2. 社团检测算法选择

选择期望计算的社团检测算法,并进行相应的配置和应用。在下面的例子中,选择了Label Propagation Algorithm (LPA)、Agglomerative Clustering、Info Map作为计算的社团检测算法。

3. 评价指标评估

选择适当的评价指标来评估链路预测算法的结果。在下面的例子中,我们选择了Variation of Information (VI)、Rand Index (RI)、Normalized Mutual Information (NMI)评价指标来评估模型的性能。

以下是如何在罗盘复杂网络计算平台上构建链路预测基本流程的详细步骤:

1. 进入计算平台首页

(1)访问平台:访问罗盘复杂网络计算平台的官方网站(www.scicompass.com)。

(2)用户登录:在首页右上角点击“登录”按钮,输入用户名和密码。如果没有账户,点击“注册”并按照提示创建一个新账户。

2. 创建计算项目

(1) 创建项目:登录后,在首页点击“计算平台”按钮,并点击加号创建项目。

(2) 填写信息:填写项目名称输入项目的名称相关领域内容完成项目的创建。

3. 添加计算任务

(1) 进入项目:在项目列表中找到刚创建的项目并点击进入。

(2) 添加计算:进入画布后会自动创建计算画布,但也可以通过加号添加额外的计算任务。

4. 数据集选择

(1) 数据集选择:在左侧的官方组件库中,可以在数据集模块中选择平台预置的数据集。

(2) 查看数据集:选择相关数据拖入面板后,可以在面板右侧对数据进行初步的数据统计指标查看,并可以通过查看详情进入数据集详情页面查看数据集的节点属性名称。

5. 配置社团检测流程

(1) 社团检测算法选择:在算法列表中选择合适的链路预测算法,如Label Propagation Algorithm (LPA)、Agglomerative Clustering、Info Map或其它算法连接至数据集的输出。

(2) 社团检测算法配置:在选择好社团检测算法后,需要对社团检测算法的配置中说明用于指定图中节点的属性名称,表示在进行社团检测时使用哪个节点属性作为节点的标识。在Zachary's-Karate-Club中节点属性club可以作为社团的标识。

6. 评价指标评估

(1) 评价指标选择:在罗盘复杂网络平台中,目前提供了包括Variation of Information (VI)、Rand Index (RI)、Normalized Mutual Information (NMI)等多种社团检测经典评价指标,可以根据需要选择它们并将其连接至具体算法的输出。

7. 运行计算

(1) 启动计算:配置完成后,点击“开始计算”按钮启动计算。

(2) 进度监控:平台会显示计算任务的进度条进行进度监控,可以实时查看任务执行状态。

(3) 等待计算:根据数据规模和算法复杂度的不同,计算时间可能会有所变化。您可以选择关闭页面稍后再查看结果,或者保持页面开启等待完成。

8. 查看结果

(1) 查看结果:运算完成后,您可以在下方查看产生的计算结果。点击相关步骤的链接即可将算法的运算结果下载到本地。

在查看计算结果时,结果的命名以流程中的连边命名, A—B表示在由A指向B的过程中产生的结果。

值得注意的是,运算过程中生成的对象会被打包成pkl文件,其它可转换的格式则为csv文件。上图中文件具体解释如下:

1. Zachary's-Karate-Club.pkl

这个文件表示基于Zachary's-Karate-Club数据集构建的网络对象,保存为.pkl格式。

2. Zachary's-Karate-Club——InfoMap.csv

这个文件中包含了对Zachary's-Karate-Club数据集使用InfoMap算法后得到的结果。

3. Zachary's-Karate-Club——Label Propagation Algorithm, LPA.csv

这个文件中包含了对Zachary's-Karate-Club数据集使用Label Propagation Algorithm (LPA)后得到的结果。

4. Zachary's-Karate-Club——Agglomerative Clustering.csv

这个文件中包含了对Zachary's-Karate-Club数据集使用Agglomerative Clustering算法后得到的结果。

5. InfoMap——Normalized Mutual Information, NMI.csv

这个文件中包含了使用InfoMap算法计算得到的Normalized Mutual Information (NMI)结果。

6. Label Propagation Algorithm, LPA——Rand Index, RI.csv

这个文件中包含了使用Label Propagation Algorithm (LPA)算法计算得到的Rand Index (RI)结果。

7. Agglomerative Clustering——Variation of Information, VI.csv

这个文件中包含了使用Agglomerative Clustering算法计算得到的Variation of Information (VI)结果。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/36856.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一键进阶ComfyUI!懂AI的设计师现在都在用的节点式Stable Diffusion

前言 _ 万字教程!奶奶看了都会的 ComfyUI 入门教程 推荐阅读 一、川言川语 大家好,我是言川。 阅读文章 > ](https://www.uisdc.com/comfyui-3) 目前使用 Stable Diffusion 进行创作的工具主要有两个:WebUI 和 ComfyUI。而更晚出现的…

SceneXplain 图片叙事升级:如何让图片听得到

SceneXplain 是一个由多模态 AI 驱动的产品服务,它不仅 提供一流的图像和视频标注解决方案,还具备卓越的多模态视觉问答能力,为用户解锁视觉内容的全新维度。 在[《图像描述算法排位赛》中,我们探讨了图像描述(Image …

有兄弟对这类区域比较感兴趣,也引起我的好奇,我提取出来给大家看看

要说这类地区,亚洲泰国排第二估计没人敢说第一吧,所以我就提取泰国的数据给大家看看! 如图:这些特殊服务地区主要集中在曼谷和芭提雅地区,芭提雅最多!看来管理还是不错的,限制在一定范围&#x…

便携应急气象站设备—实时监测和记录气象数据

TH-BQX10便携应急气象站设备是一种高度集成、轻便易携的气象观测系统。它采用新型一体化结构设计,能够快速安装和拆卸,适用于各种复杂环境。通过集成多种气象传感器,该设备能够实时监测和记录温度、湿度、风向、风速、降雨量、气压等多种气象…

AMEYA360:广和通发布LTE Cat.1 bis模组MC610-GL,赋能全球漫游追踪器

广和通LTE Cat.1 bis模组MC610-GL搭载展锐8910平台,覆盖全球主流LTE频段,下行峰值速率达10.3Mbps,上行速率达5.1Mbps,满足全球终端对4G速率连接的需求;同时支持LTE和GSM双模通信,便于用户灵活切换网络。在尺寸封装上&a…

开放式耳机怎么选?五大2024年口碑销量爆棚机型力荐!

作为一名数码测评up主,今天来测评市面上的开放式耳机。开放式耳机它的设计非常的新颖,不管是舒适的佩戴,还是可以边听音乐,边听到周围的声音,给人更加安全的听感体验。长时间佩戴,不仅舒适度进一步的提升&a…

【机器学习】高斯混合模型(Gaussian Mixture Models, GMM)深度解析

🌈个人主页: 鑫宝Code 🔥热门专栏: 闲话杂谈| 炫酷HTML | JavaScript基础 ​💫个人格言: "如无必要,勿增实体" 文章目录 高斯混合模型(Gaussian Mixture Models, GMM)深度解析引…

【uml期末复习】统一建模语言大纲

前言: 关于uml的期末复习的常考知识点,可能对你们有帮助😉 目录 第一部分 概念与基础 第一章 面向对象技术 第二章 统一软件过程 第三章 UML概述 第四章 用例图 第五章 类图 第六章 对象图 第七章 顺序图 第八章 协作图 第九章 状态…

Transformers 安装与基本使用

文章目录 Github文档推荐文章简介安装官方示例中文情感分析模型分词器 Tokenizer填充 Padding截断 Truncation google-t5/t5-small使用脚本进行训练Pytorch 机器翻译数据集下载数据集格式转换 Github https://github.com/huggingface/transformers 文档 https://huggingface…

Selenium时间控件的处理

我们经常在做web自动化测试过程中会遇到时间控件,那么对于时间控件如何处理,我们可以来分析下。 对于时间控件一般分为两种: 1、普通的时间控件 直接通过send_keys就可以解决 d.get("https://www.ctrip.com/?sid155952&alliancei…

自定义 vant 的 van-calendar 日历控件

最近在做 vue 微信公众号项目&#xff0c; 有个自定义日历控件展示的需求&#xff0c;经过查阅资料&#xff0c;最终实现了如图所示效果&#xff0c;这里做了总结&#xff0c;需要的小伙伴可以参考一下&#xff1a; HTML代码&#xff1a; <template><div class"…

I/O系统

1. I/O接口 接口可以看做两个系统或两个部件之间的交接部分&#xff0c;它既可以是两种硬设备之间的连接电路&#xff0c;也可以是两个软件之间的共同逻辑边界。 I/O接口通常是指主机与I/O设备之间设置的一个硬件电路及其相应的软件控制。 2. 程序查询方式 程序查询方式是一…

知乎正通过乱码来干扰必应/谷歌等爬虫,从而限制中文数据集被用于AI训练

有用户反馈称使用微软必应搜索和谷歌搜索发现存在不少知乎乱码内容&#xff0c;即搜索结果里知乎内容的标题和正文内容都可能是乱码的&#xff0c;但抓取的正文前面一些段落内容可以正常查看。考虑到此前知乎已经屏蔽除百度和搜狗以外的所有搜索引擎爬虫 (蜘蛛 / 机器人)&#…

酣客的“FFC模式”|白酒商业模式|分润制度顶层架构设计

酣客公社摒弃传统商业模式&#xff0c;提出“心联网”及“FFC模式”的商业模式。 坐标&#xff1a;厦门&#xff0c;我是肖琳 深耕社交新零售行业10年&#xff0c;主要提供新零售系统工具及顶层商业模式设计、全案策划运营陪跑等。 今天和大家分享“酣客”的营销模式&#xff…

检信智能推出我国首款Allemotion OS基于AI生理心理参数服务开发者平台

检信Allemotion OS生理心理开发者平台是根据世界人工智能高速发展的特点,为实现脑机交互的行业需求&#xff0c;由检信智能推出我国首款检信Allemotion OS生理心理开发者平台。检信Allemotion OS生理心理开发者平台集成了振动影像心理情绪20项情绪参数、11项生理相关参数&#…

知识图谱——Neo4j数据库实战

数据与代码链接见文末 1.Neo4j数据库安装 JDK 安装:https://www.oracle.com/java/technologies/javase-downloads.html Neo4j 安装:https://neo4j.com/download-center/ 配置好 JDK 和 Neo4j 的环境变量

2、Redis持久化与高可用架构

一、Redis 持久化 RDB 快照&#xff08;Snapshot&#xff09; 基本概念&#xff1a;RDB&#xff08;Redis DataBase&#xff09;快照是将 Redis 内存中的数据在某个时间点保存到磁盘中的一种持久化方式&#xff0c;默认保存到 dump.rdb 的二进制文件中。通过 RDB 快照&#xff…

C# 中的 StreamReader 和 StreamWriter 类

在这里插入代码片StreamReader 和 StreamWriter 位于 System.IO 命名空间中。当您想要读取或写入基于字符的数据时&#xff0c;这两个类都很有用。这两个类都处理 Unicode 字符。 StreamReader 派生自抽象类“TextReader”&#xff0c;StreamWriter 派生自“TextWriter”。 下…

springboot系列七: Lombok注解,Spring Initializr,yaml语法

老韩学生 LombokLombok介绍Lombok常用注解Lombok应用实例代码实现idea安装lombok插件 Spring InitializrSpring Initializr介绍Spring Initializr使用演示需求说明方式1: IDEA创建方式2: start.spring.io创建 注意事项和说明 yaml语法yaml介绍使用文档yaml基本语法数据类型字面…

Rethinking Semantic Segmentation: A Prototype View 2022CVPR Oral

流行的语义分割方案的掩码解码策略&#xff08;基于参数softmax或基于像素查询&#xff09;视为可学习的类原型。本研究揭示了这种参数分割策略的几个局限性&#xff0c;并提出了一种基于不可学习原型的非参数替代方案。与之前的方法以完全参数化的方式为每个类学习单个权重/查…