alphacore

AlphaCore

Ce sont les fichiers supplémentaires pour le papier AlphaCore KDD.

Usage

En attendant que cela soit empaqueté, sourcez le fichier algorithms/alphaCore.R

Obtenez un graphique avec des sommets nommés et des poids d'arête :

 g <- erdos.renyi.game(200, 2/200, directed = T)
E(g)$weight <- 1:ecount(g)
V(g)$name <- paste("v", 1:vcount(g), sep="")

Exécutez alphaCore avec les paramètres par défaut

 > alphaCore(g)
     node     alpha batch
  1:   v1 0.3281309    19
  2:   v2 0.3281309    30
  3:   v3 0.3724843    34
  4:   v4 0.3281309    23
  5:   v5 0.3281309    19
 ---                     
196: v196 0.3281309    28
197: v197 0.0000000     1
198: v198 0.3724843    34
199: v199 0.3281309    23
200: v200 0.3281309    23

Exécutez alphaCore avec les fonctions de propriété Edge intégrées

 > alphaCore(g, featureComputeFun = customNodeFeatures(c("indegree", "triangles")))
     node     alpha batch
  1:   v1 0.3060040    14
  2:   v2 0.0000000     6
  3:   v3 0.0000000     5
  4:   v4 0.0000000     5
  5:   v5 0.0000000     6
 ---                     
196: v196 0.6381691    19
197: v197 0.0000000     5
198: v198 0.0000000     5
199: v199 0.6381691    19
200: v200 0.0000000     8

Exemple d'implémentation Python (contribué par Jason Zhu !) :

 > import networkx as nx
> G = nx.erdos_renyi_graph(n=200, seed=1, p=2/200, directed=True)
> for idx, (u,v,w) in enumerate(G.edges(data=True)):
      w['value'] = idx

> alphaCore(G)
   nodeID 	alpha   batchID
0 	    18 	  0.0         0
1 	    75 	  0.0 	     0
2 	    78 	  0.0 	     0
3 	    25 	  0.3 	     5
4 	    91 	  0.3 	     5
... 	... 	  ... 	   ...
195 	  8 	  0.7 	    27
196 	131 	  0.7 	    27
197 	185 	  0.7 	    27
198 	192 	  0.7 	    27
199 	158 	  0.7 	    28

Évaluation

Pour exécuter, vous devez d’abord télécharger les trois ensembles de données :

Réseaux de jetons (11,4 Go)

Les fichiers sont hébergés sur : https://zenodo.org/record/4898412. Stockez le fichier transfer.db dans data/tokens/transfers.db. Le fichier ExchangeLabels.csv correspondant doit être placé dans data/tokens/exchangeLabels.csv.

Liens croisés Reddit

Les liens croisés Reddit font partie de http://snap.stanford.edu/conflict/conflict_data.zip Dans le fichier zip, ils se trouvent dans /prediction/detailed_data/ Placez le fichier à l'emplacement data/reddit/post_crosslinks_info.tsv

Itinéraires de vol

Obtenez ce fichier sur http://opsahl.co.uk/tnet/datasets/openflights.txt et stockez-le dans data/flights/openflights.txt.

Exécution de l'évaluation

Ouvrez le fichier évaluation.R depuis le répertoire principal.

Il s'agit du fichier principal pour exécuter l'évaluation. Saisissez votre nombre de cœurs de processeur et le chemin d'accès au fichier de base de données extrait.

Pour exécuter l'intégralité de l'évaluation, faites-le idéalement sur un serveur avec Rscript, car certains algorithmes, c'est-à-dire certaines centralités dépendant des calculs du plus court chemin de toutes les paires, et notre propre implémentation de k-core pondéré ont des temps d'exécution très longs. L'exécution complète prend entre 1 et 3 jours, selon le matériel.

AlphaCore, avec une taille de pas décroissante de façon exponentielle, est cependant assez rapide, même s'il ne s'agit que d'une implémentation R.

Citer

Veuillez utiliser l'entrée BibTeX suivante :

 @inproceedings{10.1145/3447548.3467322,
author = {Victor, Friedhelm and Akcora, Cuneyt G. and Gel, Yulia R. and Kantarcioglu, Murat},
title = {Alphacore: Data Depth Based Core Decomposition},
year = {2021},
isbn = {9781450383325},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
url = {https://doi.org/10.1145/3447548.3467322},
doi = {10.1145/3447548.3467322},
booktitle = {Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining},
pages = {1625–1633},
numpages = {9},
keywords = {core decomposition, networks, data depth},
location = {Virtual Event, Singapore},
series = {KDD '21}
}