LFR简单使用入门

亦凉 2022-06-11 07:56 224阅读 0赞

# 1. 运行环境 #

[LFR程序下载链接][LFR]， 运行环境为Linux、g++

### 1.1 先安装build-essential：（可省略） ###

$ sudo apt-get install build-essential

### 1.2 查看 gcc 版本 ###

$ gcc --version
        gcc (Ubuntu/Linaro 4.6.3-1ubuntu5) 4.6.3
        Copyright (C) 2011 Free Software Foundation, Inc.
        This is free software; see the source for copying conditions. There is NO
        warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

### 1.3 安装 统一版本的 g++ ###

$ sudo apt-get install g++

### 1.4 查看安装版本 ###

$ g++ --version

# 2. 用LFR生成网络 #

*  首先跳转到 `LFR` 的 `binary_network` 目录中compile一下。

$ make

这样会生成一个 `benchmark` 文件，它就是我们构建网络的工具。

*  使用 `benchmark` 生成一个网络数据的简单的例子：

$ ./benchmark -f flags.dat -t1 3

这里的 `flags.dat` 文件在解压缩包后就有的，它表示参数的设置。`benchmark`工具会根据这个`flag.dat`文件生成网络数据。如果要生成其他的网络，要修改这个文件的参数。

$ ./benchmark [FLAG] [P]
        
        [FLAG] [P]
        -N number of nodes 
        -k average degree 
        -maxk maximum degree
        -mu mixing parameter 
        -t1 minus exponent for the degree sequence
        -t2 minus exponent for the community size distribution
        -minc minimum for the community sizes
        -maxc maximum for the community sizes
        -on number of overlapping nodes
        -om number of memberships of the overlapping nodes
        -C [average clustering coefficient]

*  关于参数mu   
    `1-mu`是节点与其同一个社区内的节点之间的共享比例，`mu`是节点与其它社区节点的共享比例。`mu`设置的小一点，社区内部更加紧凑。
 *  一个`flag.dat`文件的例子：

-N 2000
        -k 16
        -maxk 60
        -mu 0.3
        -t1 2
        -t2 1
        -minc 32
        -maxc 40
        -on 0
        -om 0

# 3. 转化为gml文件 #

`network.dat`文件是得到的网络结构，每一行表示一条边。文件`community.dat`是该网络的真实社区结构其每一行表示 (节点、节点所在的社区)。

将`network.dat` 和 `community.dat` 转化为我们需要的 `LFR-1.gml` 文件：

#coding=utf-8
        import networkx as nx
        from collections import defaultdict
        
        def transfer_2_gml():
        """--------------------------------------------------------------------------
        function: 将LFR的network.dat和community.dat转化为.gml文件
        parameter: 
        return: 
        -------------------------------------------------------------------------------"""
        nodes_labels={}
        k=0
        with open("community.dat","r") as f:
        for line in f.readlines():
        items=line.strip("\r\n").split("\t")
        v=items[0]
        label=items[1]
        nodes_labels[v]=label
        #end-for
        #end-with
        
        
        G=nx.Graph()
        for v in nodes_labels.keys(): #添加所有的节点，并且记录其真实标签
        G.add_node(v, value=nodes_labels[v])
        
        edges=set()
        with open("network.dat","r") as f:
        for line in f.readlines():
        items=line.strip("\r\n").split("\t")
        a=items[0]
        b=items[1]
        if (a,b) not in edges or (b,a) not in edges:
        edges.add( (a,b) )
        #end-for
        #end-with
        
        for e in edges:
        a,b=e
        G.add_edge(a,b,type="Undirected")
        
        nx.write_gml(G,"LFR-1.gml")
        print ("transfer LFR(*.dat) data to *.gml")
        
        communities=defaultdict(lambda :[])
        for v in nodes_labels.keys():
        label=nodes_labels[v]
        communities[label].append(v)
        for c in communities.keys():
        print ("community ", c ,": \n", communities[c], "\n")
        
        def main():
        transfer_2_gml()
        
        if __name__ == '__main__':
        main()

# 4. 参考 #

\[1\] [LFR程序下载][LFR]

\[2\] [LFR使用示例–github链接][LFR_github]

Pre: [sklearn决策树及可视化][sklearn]

Next: [python旁门左道][python]

[LFR]: https://sites.google.com/site/santofortunato/inthepress2
[LFR_github]: https://github.com/eXascaleInfolab/LFR-Benchmark_UndirWeightOvp
[sklearn]: http://blog.leanote.com/post/jarlonyan/sklearn%E5%88%86%E7%B1%BB%E4%BB%A5%E5%8F%8A%E5%8F%AF%E8%A7%86%E5%8C%96
[python]: http://blog.leanote.com/post/jarlonyan/python%E6%97%81%E9%97%A8%E5%B7%A6%E9%81%93