跳到内容

图的 Graphlet 分解

来源: R/glet.R
graphlet_basis.Rd

Graphlet 分解通过潜在重叠的密集社交组的联合来对加权无向图进行建模。这是通过一个两步算法完成的。第一步，通过找到阈值输入图中的团来创建一个候选组集（候选基）。第二步，将图投影到候选基上，从而为候选基中的每个团生成一个权重系数。

用法

graphlet_basis(graph, weights = NULL)

graphlet_proj(
  graph,
  weights = NULL,
  cliques,
  niter = 1000,
  Mu = rep(1, length(cliques))
)

graphlets(graph, weights = NULL, niter = 1000)

参数

graph

输入图，边方向被忽略。仅支持简单图（即没有自环和多重边的图）。

weights

边权重。如果图具有 weight 边属性并且此参数为 NULL（默认值），则使用 weight 边属性。

cliques

顶点 ID 列表，用于投影的 graphlet 基。

niter

整数标量，要执行的迭代次数。

Mu

投影的起始权重。

值

graphlets() 返回一个包含两个成员的列表

cliques

子图列表，候选 graphlet 基。每个子图由顶点 ID 向量给出。

Mu

graphlet 基中子图的权重。

graphlet_basis() 返回一个包含两个元素的列表

cliques

子图列表，候选 graphlet 基。每个子图由顶点 ID 向量给出。

thresholds

用于查找子图的权重阈值。

graphlet_proj() 返回一个数值向量，即 graphlet 基子图的权重。

详细信息

igraph 包含三个函数来执行图的分解。第一个是 graphlets()，它对该方法执行两个步骤，并返回一个子图列表及其相应的权重。第二个和第三个函数对应于该算法的第一步和第二步，如果用户希望单独执行它们，则它们很有用：graphlet_basis() 和 graphlet_proj()。

graphlets().

示例


## Create an example graph first
D1 <- matrix(0, 5, 5)
D2 <- matrix(0, 5, 5)
D3 <- matrix(0, 5, 5)
D1[1:3, 1:3] <- 2
D2[3:5, 3:5] <- 3
D3[2:5, 2:5] <- 1

g <- simplify(graph_from_adjacency_matrix(D1 + D2 + D3,
  mode = "undirected", weighted = TRUE
))
V(g)$color <- "white"
E(g)$label <- E(g)$weight
E(g)$label.cex <- 2
E(g)$color <- "black"
layout(matrix(1:6, nrow = 2, byrow = TRUE))
co <- layout_with_kk(g)
par(mar = c(1, 1, 1, 1))
plot(g, layout = co)

## Calculate graphlets
gl <- graphlets(g, niter = 1000)

## Plot graphlets
for (i in 1:length(gl$cliques)) {
  sel <- gl$cliques[[i]]
  V(g)$color <- "white"
  V(g)[sel]$color <- "#E495A5"
  E(g)$width <- 1
  E(g)[V(g)[sel] %--% V(g)[sel]]$width <- 2
  E(g)$label <- ""
  E(g)[width == 2]$label <- round(gl$Mu[i], 2)
  E(g)$color <- "black"
  E(g)[width == 2]$color <- "#E495A5"
  plot(g, layout = co)
}