hermina-janos局部图聚类算法的python 3实现和文档。
localclustering的Python项目详细描述
#local clustering
为了纪念我深爱的祖父母,该项目实现了名为*hermina janos algorithm*的*local*图形聚类算法的多种变体。
此项目不针对某个特定字段,相反,它旨在成为一个通用的图形聚类分析工具,用于全局聚类分析不适用或不实用的情况,例如由于数据集的大小或由于需要不同的(本地)透视图。
必须实现的接口集群定义可以在“definitions”包中找到,还可以找到一个简单的基于连接的集群定义实现。除了算法和集群定义之外,还提供了其他实用程序,特别是节点“排名”模块。使用“pip install localclustering”从python包索引安装项目的最新版本。
2。此项目的唯一依赖项是“graphscraper”项目。` graphscraper`应该在'pip install localclustering'之后安装,但它有可选的依赖项,其中一个必须在您的系统上可用:
*`sqlalchemy`:它可以与“pip install sqlalchemy”一起安装。
*`flask sqlalchemy`:它可以与“pip install flask sqlalchemy”一起安装。
从“graphscraper”实现。` igraphwrapper需要安装igraph项目。您可以按照http://igraph.org/python/
群集定义和群集算法的准备:
```
来自localclustering.definitions.connectivity import connectivity cluster definition
来自localclustering.localengine import localclusterengine
cluster definition=connectivityclusterdefinition(1.5,0.85)
本地群集引擎=本地群集引擎(
群集定义,算法应使用的群集定义。
结果中的源节点=真,#请确保源节点未从群集中删除。
max_cluster嫒size=34嫒指定计算群集大小的上限。
)
```
现在必须检索群集的源节点:
````
source嫒node=graph.node s.get嫒node嫒by嫒name(“2”,是否可以验证并执行群集分析:
```
=本地群集引擎。获取群集中节点的排名提供程序()
。节点:
打印(node.igraph_index,rank_provider.get_node_rank(node))
````
错误报告:请在项目的问题跟踪程序中打开一个问题,或通过电子邮件与存储库所有者联系(以您认为合适的为准)。
-对软件的贡献:请在项目的问题跟踪程序中打开一个问题,该问题描述您要对软件进行的更改,并打开一个包含更改的拉取请求。pull请求的描述必须引用相应的问题。
对已知和分析过的图的ms。
-分析应该如何为具有不同特征的图配置簇定义。
-分析在不同的现实世界中,对应于不同层次的基于连接性的簇定义的加权系数如何相互关联图形。
许可证-gnu agplv3
使用此许可证的原因是,此库是“hermina-janos算法”的“出版物”,应相应地引用它。
为了纪念我深爱的祖父母,该项目实现了名为*hermina janos algorithm*的*local*图形聚类算法的多种变体。
此项目不针对某个特定字段,相反,它旨在成为一个通用的图形聚类分析工具,用于全局聚类分析不适用或不实用的情况,例如由于数据集的大小或由于需要不同的(本地)透视图。
必须实现的接口集群定义可以在“definitions”包中找到,还可以找到一个简单的基于连接的集群定义实现。除了算法和集群定义之外,还提供了其他实用程序,特别是节点“排名”模块。使用“pip install localclustering”从python包索引安装项目的最新版本。
2。此项目的唯一依赖项是“graphscraper”项目。` graphscraper`应该在'pip install localclustering'之后安装,但它有可选的依赖项,其中一个必须在您的系统上可用:
*`sqlalchemy`:它可以与“pip install sqlalchemy”一起安装。
*`flask sqlalchemy`:它可以与“pip install flask sqlalchemy”一起安装。
从“graphscraper”实现。` igraphwrapper需要安装igraph项目。您可以按照http://igraph.org/python/
群集定义和群集算法的准备:
```
来自localclustering.definitions.connectivity import connectivity cluster definition
来自localclustering.localengine import localclusterengine
cluster definition=connectivityclusterdefinition(1.5,0.85)
本地群集引擎=本地群集引擎(
群集定义,算法应使用的群集定义。
结果中的源节点=真,#请确保源节点未从群集中删除。
max_cluster嫒size=34嫒指定计算群集大小的上限。
)
```
现在必须检索群集的源节点:
````
source嫒node=graph.node s.get嫒node嫒by嫒name(“2”,是否可以验证并执行群集分析:
```
=本地群集引擎。获取群集中节点的排名提供程序()
。节点:
打印(node.igraph_index,rank_provider.get_node_rank(node))
````
错误报告:请在项目的问题跟踪程序中打开一个问题,或通过电子邮件与存储库所有者联系(以您认为合适的为准)。
-对软件的贡献:请在项目的问题跟踪程序中打开一个问题,该问题描述您要对软件进行的更改,并打开一个包含更改的拉取请求。pull请求的描述必须引用相应的问题。
对已知和分析过的图的ms。
-分析应该如何为具有不同特征的图配置簇定义。
-分析在不同的现实世界中,对应于不同层次的基于连接性的簇定义的加权系数如何相互关联图形。
许可证-gnu agplv3
使用此许可证的原因是,此库是“hermina-janos算法”的“出版物”,应相应地引用它。