これらは、AlphaCore KDD 論文の補足ファイルです。
これがパッケージ化されるまで、ファイル Algorithm/alphaCore.R をソースします。
g <- erdos.renyi.game(200, 2/200, directed = T)
E(g)$weight <- 1:ecount(g)
V(g)$name <- paste("v", 1:vcount(g), sep="")
> 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
> 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
> 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
実行するには、まず 3 つのデータセットをダウンロードする必要があります。
ファイルは次の場所でホストされています: https://zenodo.org/record/4898412 transfers.db を data/tokens/transfers.db に保存します 一致する ExchangeLabels.csv ファイルは data/tokens/exchangeLabels.csv に配置する必要があります
reddit クロスリンクは、http://snap.stanford.edu/conflict/conflict_data.zip の一部です。zip ファイルでは、/prediction/detailed_data/ にあります。ファイルを data/reddit/post_crosslinks_info.tsv の場所に配置します。
このファイルを http://opsahl.co.uk/tnet/datasets/openflights.txt から取得し、data/flights/openflights.txt に保存します。
メインディレクトリからファイルevaluation.Rを開きます。
これは評価を実行するためのメイン ファイルです。 CPU コアの数と抽出したデータベース ファイルへのパスを入力します。
評価全体を実行するには、Rscript を使用してサーバー上で実行するのが理想的です。一部のアルゴリズム、つまり、すべてのペアの最短パス計算に依存する中心性や、加重 K コアの独自の実装は実行時間が非常に長いためです。完全な実行には、ハードウェアに応じて 1 ～ 3 日かかります。
ただし、ステップ サイズが指数関数的に減衰する AlphaCore は、単なる R 実装であるにもかかわらず、非常に高速です。
次の BibTeX エントリを使用してください。
@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}
}
