一、实验内容
复杂网络是描述复杂系统的有力工具,其中每个实体定义成一个节点,实体间的交互关系定义为边。复杂网络社团结构定义为内紧外松的拓扑结构,即一组节点的集合,集合内的节点交互紧密,与外界节点交互松散。复杂网络社团结构检测广泛的应用于信息推荐系统、致癌基因识别、数据挖掘等领域。
本实验利用两类数据:模拟数据与真实数据。模拟数据有著名复杂网络学者Mark Newmann所提出,该网络包括128个节点,每个节点的度为16,网络包含4个社团结构,每个社团包含32个节点,每个节点与社团内部节点有k 1 k_1 k 1 个节点相互链接,与社团外部有k 2 k_2 k 2 个节点相互链接 (k 1 + k 2 = 16 k_1+k_2=16 k 1 +k 2 =16)。通过调节参数k 2 k_2 k 2 (k 2 = 1 , 2 , . . . , 8 k_2=1,2,…,8 k 2 =1 ,2 ,…,8)增加社团构建检测难度。
真实数据集:跆拳道俱乐部数据由34个节点组成,由于管理上的分歧,俱乐部分解成两个社团。
二、分析及设计
Step1:导入网络数据
利用邻接矩阵A A A来存储网络,其中A i j A_{ij}A ij 表示第i i i个节点与第j j j个节点的是否有边相互链接,1表示有,0表示没有。
在本次实验中,我利用Python中的networkx包处理网络数据。networkx能够有效地组织与管理图数据结构,并且其中封装了很多与图操作相关的函数调用,能够提高本次实验程序的编写效率。
Step2:根据网络结构特征给出节点相似性度量指标
给定节点i i i, 其邻居节点定义为与该节点相链接的所有节点组成的集合,即N ( i ) = { j ∣ A i j = 1 , j = 1 , 2 , . . . , n } N(i)={j|A_{ij}=1,j=1,2,…,n}N (i )={j ∣A ij =1 ,j =1 ,2 ,…,n }。给定一对节点( i , j ) (i,j)(i ,j ),其相似性定义如下:
S i j = ∣ N ( i ) ∩ N ( j ) ∣ ∣ N ( i ) ∪ N ( j ) ∣ S_{ij} = \frac{|N(i) \cap N(j)|}{|N(i) \cup N(j)|}S ij =∣N (i )∪N (j )∣∣N (i )∩N (j )∣
其中∣ N ( i ) ∩ N ( j ) ∣ |N(i) \cap N(j)|∣N (i )∩N (j )∣表示集合N ( i ) ∩ N ( j ) N(i) \cap N(j)N (i )∩N (j )中元素的个数。
Step3:采用贪婪算法提取模块
随机选择一个未聚类的节点作为当前社团C,提取出社团C所有 未聚类的邻居节点N ( c ) N(c)N (c )。选择使得社团密度降低最小的那个节点v v v添加到社团C C C,更新当前社团为C = C ∪ v C = C \cup v C =C ∪v(若某节点已经找不到其未聚类的邻居节点,则认为该节点自成一个社团),持续该过程直到当前社团的密度 小于某个阈值。当一个社团提取完成后,将其加入存放总社团的集合中,即C l u b s = C l u b s ∪ C Clubs = Clubs \cup C Cl u b s =Cl u b s ∪C。此后,再从剩余的未被分类的节点中任选一个出来作为新社团的初始节点,重复进行上述操作,直到所有节点均被归类到某一社团中,算法结束。计算过程中我使用社团中所有节点对的相似度之和除以节点对总数(组合数)再除以2来定义的社团密度,具体函数表达式如下:
D e n s i t y = ∑ i , j s i j C l e n ( c ) 2 / 2 ∈ ( 0 , 2 ) Density = \frac{\sum_{i,j} s_{ij}}{C_{len(c)}^2 / 2} \in(0,2)De n s i t y =C l e n (c )2 /2 ∑i ,j s ij ∈(0 ,2 )
其中l e n ( c ) len(c)l e n (c )是社团c c c中的节点个数,C l e n ( c ) 2 C_{len(c)}^2 C l e n (c )2 是从社团c c c的节点中任选2个节点的组合数,i , j i,j i ,j是从c c c中任取2个节点的组合对应的节点标号。
Step4:采用Cytoscape工具,可视化聚类结果
由于Cytoscape对于被导入的文件中的数据格式有一定的要求,所以我先用Python对karate.gml中的数据进行了处理,输出了符合Cytoscape导入数据规范的边数据,然后再将边数据导入txt文件中,最后导入Cytoscape。导入Cytoscape后,根据Python计算出的社团分类结果,将这34个节点分别着色,每个社团中的节点着同色,最终完成可视化操作。
三、详细实现
由于本次实验需要处理图数据,对图中节点进行相关操作,而Python中有很强大的networkx包便于我们构建和操作复杂的图结构,故我选择用Python编写本次实验的程序。 具体代码实现如下(所有重要语句均已给出相应的注释):
1.先导入本实验需要用到的包:
import random
import copy
import numpy as np
import networkx as nx
import matplotlib.pyplot as plt
2.定义函数show_info(),显示一下社团网络的相关信息:
def show_info(G):
print("nodes:", G.nodes(), '\n')
print("edges:", G.edges(), '\n')
nodes_num = G.number_of_nodes()
edges_num = G.number_of_edges()
print("number of nodes:", nodes_num)
print("number of edges:", edges_num)
3.定义函数clac_s(),利用题目中给出的相似性计算公式计算相似性矩阵:
def calc_s(G):
nodes_num = G.number_of_nodes()
sim = np.zeros((nodes_num,nodes_num))
for i in range(1, nodes_num + 1):
for j in range(1, nodes_num + 1):
sim[i-1][j-1] = len(G.adj[i].keys() & G.adj[j].keys()) / len(G.adj[i].keys() | G.adj[j].keys())
print('图G的相似性矩阵为:')
print(sim)
return sim
4.定义函数calc_density()计算社团密度:
def calc_density(c, s):
v = c.number_of_nodes()
e = c.number_of_edges()
if len(c) == 1:
return 1.0
sum_sim = 0.0
for node_i in list(c.nodes()):
for node_j in list(c.nodes()):
if (node_i != node_j) & (node_j.__index__() > node_i.__index__()):
sum_sim = sum_sim + s[node_i-1][node_j-1]
density_2 = sum_sim / ( ( v * (v - 1) ) / 4 )
return density_2
5.定义函数find_nbrs()求出社团所有未聚类的邻居节点:
def find_nbrs(G, G_copy, c):
nbrs = []
for node in list(c.nodes()):
node_nbrs = list(G.adj[node].keys())
nbrs = list(set(nbrs) | (set(node_nbrs)))
final_nbrs = list(set(nbrs) & (set(list(G_copy.nodes()))))
return final_nbrs
6.定义核心函数club_julei()利用贪心算法求解所有社团,算法思想在上文中已经阐述,算法细节见注释:
picked_node = 0
def club_julei(G, s, t):
clubs = []
G_copy = copy.deepcopy(G)
while(G_copy.nodes()):
c = nx.Graph()
idx = random.randint(0, len(G_copy)-1)
randpick_node = list(G_copy.nodes())[idx]
c.add_node(randpick_node)
G_copy.remove_node(randpick_node)
while(1):
density_old = calc_density(c, s)
candinodes = find_nbrs(G, G_copy, c)
if len(candinodes) == 0:
clubs.append(list(c.nodes()))
break
minval = 1.0
global picked_node
for node in candinodes:
c.add_node(node)
density_new = calc_density(c, s)
dec = density_old - density_new
if dec < minval:
minval = dec
picked_node = node
c.remove_node(node)
if picked_node == 0:
continue
else:
c.add_node(picked_node)
if picked_node in list(G_copy.nodes()):
G_copy.remove_node(picked_node)
if calc_density(c, s) < t:
clubs.append(list(c.nodes()))
break
return clubs
四、实验结果
社团聚类结果随着社团密度阈值选取的不同(0.2, 0.4, 0.5)而变化的情况如下图所示:
我用Cytoscape绘制了阈值t分别取0.2,0.4,0.5时的社团聚类结果图(其余阈值下画法类似,不再展示结果),效果如下:
t = 0.2时的社团聚类结果:
t = 0.4时的社团聚类结果:
t = 0.5时的社团聚类结果:
分析上图可知,当阈值t = 0.4左右时,社团聚类的效果最好。当密度阈值设定为一个比较小的数时(如小于0.1),所有节点被分到同一个社团中;当密度阈值稍微增大后(如0.2-0.5),将会出现更多的社团,当密度阈值取到比较大的值后(如大于0.6),基本上一个社团中只存在两三个节点。当然,即使在同一阈值下,每次运行程序得到的社团聚类结果也是不同的,这是因为每次随机选取的初始节点不同,最终合成的社团也会不同。
在实验中,我尝试过用基本的图密度定义:d e n s i t y = 2 ∣ E ∣ ∣ V ∣ ⋅ ∣ V − 1 ∣ density = \frac{2|E|}{|V|·|V-1|}d e n s i t y =∣V ∣⋅∣V −1∣2∣E ∣去计算社团的密度,也尝试过用图密度+基于相似性的密度去计算社团密度,但是后来发现这两种方法划分社团的效果并不理想,具体表现为当阈值还不是很大(如0.4)时就已经划分出很多小社团了,不符合我们的预期。
整体源码:数据挖掘实验3
Original: https://blog.csdn.net/qq_45717425/article/details/125480880
Author: Polaris_T
Title: 西电数据挖掘实验3——复杂网络社团检测
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/699498/
转载文章受原作者版权保护。转载请注明原作者出处!