Clustering coefficient [转]

Clustering
coefficient的定义有两种;全局的和局部的。

全局的算法基于triplet。首先解释triplet。

triplet 包含 open triplet 和 closed triplet 两种(A triplet is three
nodes that are connected by either two (open triplet) or three (closed triplet)
undirected ties)

例如下图{1,(2,3)}构成的triplet是封闭的,{3,(4,5)}构成的triplet是开放的

1) Global Clustering Coefficient:

Clustering coefficient(global) = number of closed triplet / number of
triplet(closed+open)

以上图为例:

closed triplet
={1,(2,3)},{2,(1,3)},{3,(1,2)}

all triplet
= {1,(2,3)},{2,(1,3)},{3,(1,2)},{3,(2,4)},{3,(4,5)},{3,(1,5)},{3,(2,5)},{3,(1,4)}

number of closed triplet = 3

number of  triplet = 8

number of triplet / number of  triplet = 3/8

2) Local Clustering Coefficient:

(1/n ) ∑
i=1:n |Ni|*(|Ni|-1)/2

局部计算是面向节点的,对于节点vi,找出其直接邻居节点集合Ni,计算Ni构成的网络中的边数K,除以Ni集合可能的边数|Ni|*(|Ni|-1)/2

例如:

1节点的邻居节点(2,3),他们之间构成的边有1条,可能构成的边1条,因此1/1=1

2节点的邻居节点(1,3),他们之间构成的边有1条,可能构成的边1条,因此1/1=1

3节点的邻居节点(1,2,4,5),他们之间构成的边有1条,可能构成的边(4*3)/2条,因此1/6=1/6

4节点的邻居节点(3),他们之间构成的边有0条,可能构成的边0条,因此0

5节点的邻居节点(3),他们之间构成的边有0条,可能构成的边0条,因此0

网络的平均聚类系数(network average clustering
coefficient)
,5个节点平均local Clustering coefficient =
(1+1+1/6)/5=13/30

Cited from: http://blog.csdn.net/pennyliang/article/details/6838956

Clustering coefficient [转]

时间: 2024-10-08 15:55:13

Clustering coefficient [转]的相关文章

barabasilab-networkScience学习笔记3-随机网络模型

第一次接触复杂性科学是在一本叫think complexity的书上,Allen博士很好的讲述了数据结构与复杂性科学,barabasi是一个知名的复杂性网络科学家,barabasilab则是他所主导的一个实验室,这里的笔记则是关于里面介绍的课程的slider的笔记,当然别人的课程不是公开课,所以从ppt里只能看到骨干的东西了,对了补充下,slider相关的书籍在这里可以找到 说实话这一节的slider我没有看很明白公式,数学功底差了,如果你能够有更好的解释欢迎留言 Random Networks

WGCNA算法研究笔记

转自:http://www.gogoqq.com/ASPX/8390905/JournalContent/1303140588.aspx 研究了近半年的算法,记录下来给自己一个交代,也应该是考G前地最后一篇日志了. Weighted Gene Co-Expression Network Analysis中文名有翻译成加权关联网络分析的,感觉不是很恰当,英文来得比较直接.本来是佟昊从老汪那拿的一个课题,因为看起来比较有意思就把文章找来慢慢啃,到现在算是捣鼓出点名堂了.方法是UCLA的一个教授提出来

barabasilab-networkScience学习笔记4-无标度特征

第一次接触复杂性科学是在一本叫think complexity的书上,Allen博士很好的讲述了数据结构与复杂性科学,barabasi是一个知名的复杂性网络科学家,barabasilab则是他所主导的一个实验室,这里的笔记则是关于里面介绍的课程的笔记,当然别人的课程不是公开课,所以从ppt里只能看到骨干的东西了,对了补充下,slider相关的书籍在这里可以找到 回顾我们的研究一个网络模型的三个特征: Degree distribution: P(k) Path length: <d> Clus

社会计算中一些名词笔记

社会计算中相关的一些概念,整理下笔记: 1.弱连接[weak tie]:最早来源于Granovetter的"弱连接假设"(weak tie hypothesis),比如下图,弱连接假设是说,如果A和B.C有一条强连接,可以理解成A和B.C是好朋友,则B.C之间形成连接的可能性就会很大,即B.C很有可能也称为好朋友. 也就是说,A和B.C通过强连接连接,则B.C之间的连接一般是存在的,如果B.C之间不存在连接,则B.C之间的连接很容易生成,这个叫做"三元闭包"(For

社会计算(壹)

社会计算·序 零.概念.定义与符号 一.大规模网络的属性 1.无尺度分布(scale-free distribution) 也叫幂律分布(power law distribution).大规模网络中,大部分结点度数不大,而少数结点则拥有很大的度数.在重对数尺度下(log-log scale)大规模网络都展现了相似的模式:一条直线或者近似直线.这个模式称为幂律分布或者无尺度分布,这种自相似性与尺度无关.结点的度具有幂律分布的网络称为无尺度网络. Friendship Network in YouT

复杂网络节点重要性评价方法初探

在一个网络中,不同的节点起着大小不同的作用.以社交网络为例,有意见领袖的大V,有死寂沉沉的僵尸粉:以交通网络为例,有至关重要的交通枢纽,有无关痛痒的备用中转站.在使用复杂网络分析业务问题时,如何区分网络中不同节点的重要性程度,就是一个需要考虑的问题.为了解决我们自己的业务问题,顺便了解了一下相关的方法,特记录一下,若有益于相关领域的同学,则幸甚. 一.要实现的目标 对网络中的节点定义一个指标,可用来定量地衡量每个节点在网络中重要性的大小. 二.相关的一些方法总结 分析节点的重要性,业界较多地从网

转:复杂网络分析总结

http://www.cnblogs.com/maybe2030/p/4665847.html 阅读目录 1. 复杂网络的特点 2. 社区检测 3. 结构平衡 4. 影响最大化 5. 网络传播 6. 补充 7. 参考文献 在我们的现实生活中,许多复杂系统都可以建模成一种复杂网络进行分析,比如常见的电力网络.航空网络.交通网络.计算机网络以及社交网络等等.复杂网络不仅是一种数据的表现形式,它同样也是一种科学研究的手段.复杂网络方面的研究目前受到了广泛的关注和研究,尤其是随着各种在线社交平台的蓬勃发

[Network Analysis] 复杂网络分析总结

在我们的现实生活中,许多复杂系统都可以建模成一种复杂网络进行分析,比如常见的电力网络.航空网络.交通网络.计算机网络以及社交网络等等.复杂网络不仅是一种数据的表现形式,它同样也是一种科学研究的手段.复杂网络方面的研究目前受到了广泛的关注和研究,尤其是随着各种在线社交平台的蓬勃发展,各领域对于在线社交网络的研究也越来越火.研究生期间,本人的研究方向也是一直与复杂网络打交道,现在马上就要毕业了,写一篇博文简单介绍一下复杂网络特点以及一些有关复杂网络研究内容的介绍,希望感兴趣的博友可以一起讨论,一起学

barabasilab-networkScience学习笔记6-evolving networks

第一次接触复杂性科学是在一本叫think complexity的书上,Allen博士很好的讲述了数据结构与复杂性科学,barabasi是一个知名的复杂性网络科学家,barabasilab则是他所主导的一个实验室,这里的笔记则是关于里面介绍的课程的笔记,当然别人的课程不是公开课,所以从ppt里只能看到骨干的东西了,对了补充下,slider相关的书籍在这里可以找到 前面大概有三节课是动手实验课,使用一些软件或者函数库来亲自探索一些特定的一些网络 中间还请了另外一个实验室的来讲授关于网络随时间变化的性