alphacore

阿爾法核心

這些是 AlphaCore KDD 論文的補充文件。

用法

在打包之前，取得文件演算法/alphaCore.R

取得具有命名頂點和邊權重的圖：

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

使用預設參數運行 alphaCore

 > 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

使用內建邊緣屬性函數執行 alphaCore

 > 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 實作（由 Jason Zhu 貢獻！）範例：

 > 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

評估

為了運行，您首先需要下載三個資料集：

代幣網路 (11.4GB)

這些檔案託管在：https://zenodo.org/record/4898412 將transfers.db儲存在data/tokens/transfers.db中 相符的exchangeLabels.csv檔案應放置在data/tokens/exchangeLabels.csv

Reddit 交叉連結

reddit 交叉連結是 http://snap.stanford.edu/conflict/conflict_data.zip 的一部分 在 zip 檔案中，可以在 /prediction/detailed_data/ 中找到它們 將檔案放在位置 data/reddit/post_crosslinks_info.tsv

飛行路線

從 http://opsahl.co.uk/tnet/datasets/openflights.txt 取得此檔案並將其儲存在 data/flights/openflights.txt 中。

運行評估

從主目錄開啟檔案valuation.R。

這是運行評估的主文件。輸入您的 CPU 核心數以及提取的資料庫檔案的路徑。

要執行整個評估，最好在具有 Rscript 的伺服器上進行，因為某些演算法（即依賴所有對最短路徑計算的某些中心性）以及我們自己的加權 k 核實現具有非常長的運行時間。完整執行需要 1-3 天，具體取決於硬體。

然而，具有指數衰減步長的 AlphaCore 速度相當快，儘管它只是一個 R 實現。

引用

請使用以下 BibTeX 條目：

 @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}
}