alphacore

알파코어

AlphaCore KDD 논문의 보충 파일입니다.

용법

이것이 패키징될 때까지 파일 알고리듬/alphaCore.R을 소스로 사용하세요.

명명된 꼭지점과 간선 가중치가 있는 그래프를 가져옵니다.

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

기본 매개변수를 사용하여 alphaCore 실행

 > 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

내장된 에지 속성 함수를 사용하여 alphaCore 실행

 > 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

Python 구현(Jason Zhu 제공!) 예:

 > 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

평가

실행하려면 먼저 세 가지 데이터세트를 다운로드해야 합니다.

토큰 네트워크(11.4GB)

파일은 https://zenodo.org/record/4898412에서 호스팅됩니다. transfers.db를 data/tokens/transfers.db에 저장합니다. 일치하는 exchangeLabels.csv 파일은 data/tokens/exchangeLabels.csv에 있어야 합니다.

레딧 크로스링크

Reddit 교차 링크는 http://snap.stanford.edu/constrict/constrict_data.zip의 일부입니다. zip 파일에서는 /prediction/detailed_data/에서 찾을 수 있습니다. 파일을 data/reddit/post_crosslinks_info.tsv 위치에 배치합니다.

비행 노선

http://opsahl.co.uk/tnet/datasets/openflights.txt에서 이 파일을 가져와 data/flights/openflights.txt에 저장하세요.

평가 실행

기본 디렉터리에서 Evaluation.R 파일을 엽니다.

이는 평가를 실행하는 기본 파일입니다. CPU 코어 수와 추출된 데이터베이스 파일의 경로를 입력하세요.

전체 평가를 실행하려면 이상적으로는 Rscript가 있는 서버에서 수행하는 것이 좋습니다. 일부 알고리즘, 즉 모든 쌍의 최단 경로 계산에 따른 일부 중심성과 가중치가 적용된 k-코어의 자체 구현은 실행 시간이 매우 길기 때문입니다. 전체 실행에는 하드웨어에 따라 1~3일이 소요됩니다.

그러나 단계 크기가 기하급수적으로 감소하는 AlphaCore는 단지 R 구현임에도 불구하고 매우 빠릅니다.

인용

다음 BibTeX 항목을 사용하십시오:

 @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}
}