alphacore

AlfaCore

Ini adalah file tambahan untuk makalah AlphaCore KDD.

Penggunaan

Sampai ini dikemas, sumberkan file algoritma/alphaCore.R

Dapatkan grafik dengan simpul bernama dan bobot tepi:

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

Jalankan alphaCore dengan parameter default

 > 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

Jalankan alphaCore dengan fungsi properti edge bawaan

 > 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

Contoh implementasi Python (dikontribusikan oleh 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

Evaluasi

Untuk menjalankannya, Anda harus mengunduh tiga kumpulan data terlebih dahulu:

Jaringan Token (11,4GB)

File di-host di: https://zenodo.org/record/4898412 Simpan transfers.db di data/tokens/transfers.db File exchangeLabels.csv yang cocok harus ditempatkan di data/tokens/exchangeLabels.csv

Tautan Silang Reddit

Tautan silang reddit adalah bagian dari http://snap.stanford.edu/conflict/conflict_data.zip Dalam file zip, mereka dapat ditemukan di /prediction/detailed_data/ Tempatkan file di lokasi data/reddit/post_crosslinks_info.tsv

Rute penerbangan

Dapatkan file ini dari http://opsahl.co.uk/tnet/datasets/openflights.txt dan simpan di data/flights/openflights.txt.

Menjalankan evaluasi

Buka file evaluasi.R dari direktori utama.

Ini adalah file utama untuk menjalankan evaluasi. Masukkan jumlah inti CPU Anda dan jalur ke file database yang diekstraksi.

Untuk menjalankan keseluruhan evaluasi, idealnya melakukannya di server dengan Rscript, karena beberapa algoritme, yaitu beberapa sentralitas yang bergantung pada perhitungan jalur terpendek semua pasangan, dan implementasi k-core berbobot kami sendiri memiliki waktu berjalan yang sangat lama. Eksekusi penuh membutuhkan waktu antara 1-3 hari, tergantung perangkat kerasnya.

Namun AlphaCore dengan ukuran langkah yang menurun secara eksponensial cukup cepat, meskipun ini hanya implementasi R.

Mengutip

Silakan gunakan entri BibTeX berikut:

 @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}
}