collaboration_weighted_projected_graph#

collaboration_weighted_projected_graph(B, nodes)[源代码]#

B 在其一个节点集上的 Newman 加权投影。

协作加权投影是将二分图 B 投影到指定节点集上的投影，权重使用 Newman 的协作模型 [1] 赋值。

\[w_{u, v} = \sum_k \frac{\delta_{u}^{k} \delta_{v}^{k}}{d_k - 1}\]

其中 u 和 v 是来自二分图底部节点集的节点，且 k 是顶部节点集的节点。值 d_k 是节点 k 在二分网络中的度，且 delta_{u}^{k} 的值为 1，如果节点 u 在原始二分图中与节点 k 相连，否则为 0。

节点保留其属性，并且如果它们在原始二分图中连接到一个共同节点，则在结果图中连接。

参数：

BNetworkX 图: 输入图应为二分图。
nodes列表或可迭代对象: 要投影到的节点（“下方”节点）。

返回：

GraphNetworkX 图: 投影到给定节点集上的图。

另请参阅

is_bipartite
is_bipartite_node_set
sets
weighted_projected_graph
overlap_weighted_projected_graph
generic_weighted_projected_graph
projected_graph

注意

未尝试验证输入图 B 是否为二分图。图和节点属性被（浅）复制到投影图。

有关如何在 NetworkX 中处理二分图的更多详细信息，请参阅二分图文档。

参考文献

[1]

Scientific collaboration networks: II. Shortest paths, weighted networks, and centrality, M. E. J. Newman, Phys. Rev. E 64, 016132 (2001)。

示例

>>> from networkx.algorithms import bipartite
>>> B = nx.path_graph(5)
>>> B.add_edge(1, 5)
>>> G = bipartite.collaboration_weighted_projected_graph(B, [0, 2, 4, 5])
>>> list(G)
[0, 2, 4, 5]
>>> for edge in sorted(G.edges(data=True)):
...     print(edge)
(0, 2, {'weight': 0.5})
(0, 5, {'weight': 0.5})
(2, 4, {'weight': 1.0})
(2, 5, {'weight': 0.5})