ไฟล์เหล่านี้เป็นไฟล์เสริมสำหรับกระดาษ AlphaCore KDD
จนกว่าจะแพ็กเกจนี้ ให้ซอร์สไฟล์อัลกอริทึม/alphaCore.R
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
หากต้องการรัน คุณต้องดาวน์โหลดชุดข้อมูลสามชุดก่อน:
ไฟล์ถูกโฮสต์ไว้ที่: https://zenodo.org/record/4898412 จัดเก็บtransfers.dbใน data/tokens/transfers.db ไฟล์ exchangeLabels.csv ที่ตรงกันควรวางไว้ที่ data/tokens/exchangeLabels.csv
ลิงก์ข้าม Reddit เป็นส่วนหนึ่งของ http://snap.stanford.edu/conflict/conflict_data.zip ในไฟล์ zip สามารถพบได้ใน /prediction/detailed_data/ วางไฟล์ไว้ที่ตำแหน่ง data/reddit/post_crosslinks_info.tsv
รับไฟล์นี้จาก http://opsahl.co.uk/tnet/datasets/openflights.txt และเก็บไว้ใน data/flights/openflights.txt
เปิดไฟล์การประเมินผล R จากไดเร็กทอรีหลัก
นี่เป็นไฟล์หลักในการรันการประเมิน ป้อนจำนวนคอร์ CPU ของคุณและเส้นทางไปยังไฟล์ฐานข้อมูลที่แตกออกมา
หากต้องการดำเนินการประเมินทั้งหมด ให้ดำเนินการบนเซิร์ฟเวอร์ที่มี Rscript เนื่องจากอัลกอริธึมบางตัว เช่น ศูนย์กลางบางอย่าง ขึ้นอยู่กับคู่การคำนวณเส้นทางที่สั้นที่สุดทุกคู่ และการใช้งาน k-core แบบถ่วงน้ำหนักของเราเองนั้นมีระยะเวลาการทำงานที่ยาวนานมาก การดำเนินการทั้งหมดใช้เวลาประมาณ 1-3 วัน ขึ้นอยู่กับฮาร์ดแวร์
AlphaCore ที่มีขนาดขั้นตอนที่ลดลงอย่างมากนั้นค่อนข้างเร็ว แม้ว่าจะเป็นเพียงการนำ R ไปใช้ก็ตาม
โปรดใช้รายการ BibTeX ต่อไปนี้:
@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}
}
