异质亲和性

使用 R 进行网络数据的预测分析

María Óskarsdóttir, Ph.D.

Post-doctoral researcher

异质亲和性

4 条跨标签边

11 条跨标签边

使用 R 进行网络数据的预测分析

异质亲和性

具有不同标签的节点之间的连通性，与在随机网络中预期值相比

  • 预期跨标签边数 $=n_w n_g p$
  • 例：
    • 网络含 9 个白色节点、6 个绿色节点、21 条边，连通度 $p=0.2$
    • 预期跨标签边数为 11（$=9\cdot 6\cdot p$）
  • 异质亲和性等于实际跨标签边数除以其预期值
    • $H=\frac{\textrm{跨标签边数}}{\textrm{预期跨标签边数}}$
使用 R 进行网络数据的预测分析

异质亲和性

15 条跨标签边

  • $H=15/11=1.39$

11 条跨标签边

  • $H=11/11=1.02$
使用 R 进行网络数据的预测分析

异质亲和性的类型

三种情形

  1. $H>1 \Rightarrow$ 异质亲和
  2. $H\simeq 1\Rightarrow$ 随机
  3. $H<1\Rightarrow$ 异质排斥

$H=1.39$

$H=1.02$

$H=0.37$

使用 R 进行网络数据的预测分析

数据科学家网络中的异质亲和性

p<-2*19/(10*9)
m_rp<-6*4*p

H_rp<-edge_rp/m_rp

H_rp

0.3947368
使用 R 进行网络数据的预测分析

让我们练习吧！

使用 R 进行网络数据的预测分析

Preparing Video For Download...