নিউম্যানের নেটওয়ার্ক মডিউলারিটি কি স্বাক্ষরিত, ভারিত গ্রাফগুলির জন্য কাজ করে?


11

কোনও গ্রাফের পরিমিতিটি তার উইকিপিডিয়া পৃষ্ঠায় সংজ্ঞায়িত করা হয়েছে । একটি ভিন্ন পোস্টে , কেউ ব্যাখ্যা করেছেন যে ভারী নেটওয়ার্কগুলির জন্য মডুলারালিটি সহজেই গণনা করা যায় (এবং সর্বোচ্চ করা যায়) কারণ সংলগ্ন ম্যাট্রিক্স as পাশাপাশি মূল্যবান সম্পর্কগুলিও ধারণ করতে পারে। তবে, আমি জানতে চাই যে এটি স্বাক্ষরযুক্ত, মূল্যবান প্রান্তগুলি সহ, উদাহরণস্বরূপ, -10 থেকে +10 পর্যন্ত কাজ করবে কিনা। আপনি কি এই ইস্যুতে একটি অন্তর্দৃষ্টি, প্রমাণ বা রেফারেন্স সরবরাহ করতে পারেন?Aij

উত্তর:


13

সহজবোধ্য ভরযুক্ত নেটওয়ার্কগুলির জন্য modularity এর সামান্যীকরণ নেই না যদি সেই ওজন সাইন ইন আছেন পরিশ্রম করি। সোজা কথা বলতে গেলে, আমি বলতে চাইছি: যেমন নিউম্যান যেমন সংলগ্নতার পরিবর্তে ওয়েট ম্যাট্রিক্স ব্যবহার করছেন, উদাহরণস্বরূপ (নিউম্যান 2004) । আপনার একটি নির্দিষ্ট সংস্করণ প্রয়োজন, যেমন বেনজামিনলাইন্ড দ্বারা উদ্ধৃত, বা এর (গোমেজ এট আল। ২০০৯)

উভয় নিবন্ধে, তারা এর কারণ ব্যাখ্যা করেছেন। সংক্ষেপে: পরিমিতি কিছু সাধারণ ডিগ্রি (বা ভারী নেটওয়ার্কগুলির ক্ষেত্রে শক্তি) এর উপর নির্ভর করে সম্ভাব্যতা হিসাবে বিবেচিত। সম্ভাব্যতা একটি লিঙ্ক নোড মধ্যে বিদ্যমান এবং ব্যবহার অনুমান করা হয় , যেখানে এবং নোড নিজ নিজ শক্তি দ্বারা এবং এবং সমস্ত নেটওয়ার্ক নোড মোট শক্তি। কিছু ওজন যদি নেতিবাচক হয় তবে মূল স্বাভাবিককরণ আর মান থাকার গ্যারান্টি দেয় না, সুতরাং উপরেরজে পি আই পি জে = ডব্লু আই ডাব্লু জে / ( ডাব্লু ) 2 ডাব্লু আই ডাব্লু জে আই জে ডব্লু [ 0 , 1 ] পি আই পি জেijpipj=wiwj/(2w)2wiwjijw[0,1]pipj পরিমাণটিকে সম্ভাবনা হিসাবে বিবেচনা করা যায় না।

এই সমস্যা সমাধানের জন্য, গোমেজ এট আল । ইতিবাচক এবং নেতিবাচক লিঙ্কগুলি আলাদাভাবে বিবেচনা করুন। তারা দুটি স্বতন্ত্র মড্যুলারটির মান অর্জন করে: একটি ইতিবাচক লিঙ্কগুলির জন্য, একটি নেতিবাচক বিষয়গুলির জন্য। সামগ্রিক পরিমিতিতা পেতে তারা পূর্বেরটির কাছ থেকে বাদ পড়ে।


ধন্যবাদ, এটি আশাব্যঞ্জক মনে হচ্ছে। আমি গোমেজ এট আল একবার দেখে নেব। নিবন্ধ। কোন বাস্তবায়ন আছে?
ফিলিপ লিফল্ড

1
হ্যাঁ, আমি মনে করি আপনি এখানে উত্স কোডটি খুঁজে পাবেন: deim.urv.cat/~sgomez/radatools.php
ভিনসেন্ট

কোডটি এএসইই ফাইলগুলিতে ব্ল্যাকবক্সযুক্ত দেখায়, তবে আপনার যদি প্রয়োজন কেবলমাত্র ধনাত্মক এবং নেতিবাচক ওজনের জন্য মডারুলারিটি হয় তবে কেন কেবল (1) আপনার ম্যাট্রিক্সকে একটি ওজনযুক্ত প্রান্ত তালিকায় রূপান্তর করবেন না, (২) ইতিবাচক এবং নেতিবাচক স্বাক্ষরিত ওজনের মধ্যে তালিকাকে বিভক্ত করুন এবং (3) igraphপ্রতিটি পার্টিশনে পরম ওজন ব্যবহার করে গণনা মডুলারিলিটি ?
Fr.

এটি একটি ভাল ধারণা, তবে নেতিবাচক ওজনের জন্য প্রক্রিয়াকৃত পরিমিতিটি অবশ্যই হ্রাস করা উচিত এবং ইগ্রাফের পদ্ধতিগুলি কেবলমাত্র সর্বোচ্চকরণ করতে পারে (যতদূর আমি জানি)। উত্স কোড হিসাবে, আমি মনে করি আপনি ঠিক বলেছেন। হতে পারে আপনি সরাসরি কোনও লেখকের সাথে যোগাযোগ করতে পারেন?
ভিনসেন্ট লাবাতুত

6

হ্যাঁ আমি পারি. সম্প্রদায় সনাক্তকরণের জন্য স্পিন-গ্লাসের মডেলগুলি ভারযুক্ত, স্বাক্ষরিত গ্রাফগুলি থেকে মড্যুলারটি গণনা করতে পারে। আপনি ট্র্যাগ এবং ব্রুজিম্যানকে "ইতিবাচক এবং নেতিবাচক লিঙ্কযুক্ত নেটওয়ার্কগুলিতে সম্প্রদায় সনাক্তকরণ" একটি রেফারেন্স হিসাবে চাইবেন । ইগ্রাফের "spinglass.commune ()" ফাংশনটি সম্প্রদায়গুলি খুঁজে পেতে এবং গ্রাফের পরিমিতি ফিরে পেতে পারে।


ধন্যবাদ. আমি সম্প্রদায়গুলিতে সত্যই আগ্রহী নই, বরং স্বাক্ষরিত নেটওয়ার্কগুলিকে সম্প্রদায়গুলিতে মেরুকৃত / খণ্ডিত করার প্রবণতায় আগ্রহী। তবে যতদূর আমি দেখতে পাচ্ছি, ফাংশনটি communitiesব্যবহার করে ফলাফলের বস্তু থেকে মড্যুলারটিটি পুনরুদ্ধার করা যেতে পারে modularity। আমি অবশ্যই ট্র্যাগ এবং ব্রুজিম্যান নিবন্ধটি একবার দেখে নেব। যেহেতু বাস্তবায়নটি অনুকরণযুক্ত অ্যানেলিংয়ের উপর ভিত্তি করে বলে মনে হচ্ছে: এটি কতটা ভাল সম্পাদন করে? আমি কি আসলেই নিশ্চিত করতে পারি যে অ্যালগরিদমটি সত্যই সর্বোত্তম মডুলারটিটি ফেরায় (যেহেতু আমি মেরুকরণ / খণ্ডন পরিমাপ করতে চাই)?
ফিলিপ লিফল্ড

3

আমরা এই কাগজে স্বাক্ষরিত নেটওয়ার্কগুলির সাথে মডুলারিটি [-আলাইক] ফাংশনগুলির সমস্যাটি চিহ্নিত করেছি । নেটওয়ার্কগুলিতে নেতিবাচক লিঙ্কগুলির নিখুঁত সংখ্যা বৃদ্ধি পাওয়ায় তারা সম্প্রদায়ের ইতিবাচক ঘনত্বকে আরও উপেক্ষা করার প্রবণতা রাখে।

এছাড়াও, ভারতে স্বাক্ষরিত নেটওয়ার্কগুলির জন্য আমাদের ওপেন সোর্স জাভা প্রকল্পটি যা কনস্ট্যান্ট পটস মডেল (মডুলারিটির অনুরূপ), দ্রুত লুইভেন অ্যালগরিদম এবং মানচিত্র সমীকরণের একটি এক্সটেনশনের ভিত্তিতে সম্প্রদায় মূল্যায়নের উপর ভিত্তি করে ।

ইসমেলিয়ান, পি। এবং জলিলি, এম।, 2015. স্বাক্ষরিত নেটওয়ার্কগুলিতে সম্প্রদায় সনাক্তকরণ: বিভিন্ন স্কেলে নেতিবাচক সম্পর্কের ভূমিকা। বৈজ্ঞানিক প্রতিবেদনগুলি, 5, p.14339

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.