如果您从 R 中使用 igraph,请使用此选项
同配性 {igraph} | R 文档 |
同配系数为正值表示相似顶点(基于某些外部属性)倾向于相互连接,否则为负值。
assortativity(graph, types1, types2 = NULL, directed = TRUE)
assortativity_nominal(graph, types, directed = TRUE)
assortativity_degree(graph, directed = TRUE)
图 |
输入图,可以是定向的或非定向的。 |
types1 |
顶点值,可以是任意数值。 |
types2 |
用于计算有向图同配性时,传入边的第二个值向量。如果希望对传出边和传入边使用相同的值,请在此处提供 |
有向 |
逻辑标量,是否考虑有向图的边方向。此参数对于无向图将被忽略。在此处提供 |
类型 |
给出顶点类型的向量。 假设它们是从 1 开始的整数。 非整数值使用 |
同配系数衡量图的同质性水平,基于一些顶点标签或分配给顶点的值。如果系数很高,则表示连接的顶点倾向于具有相同的标签或相似的分配值。
M.E.J. Newman 定义了两种同配系数,第一种是针对顶点的分类标签。 assortativity_nominal
计算此度量。 它定义为
r=\frac{\sum_i e_{ii}-\sum_i a_i b_i}{1-\sum_i a_i b_i}
其中 e_{ij}
是连接类型为 i
和 j
的顶点的边的分数, a_i=\sum_j e_{ij}
且 b_j=\sum_i e_{ij}
。
第二种同配性变体基于分配给顶点的值。 assortativity
计算此度量。 它定义为
r=\frac1{\sigma_q^2}\sum_{jk} jk(e_{jk}-q_j q_k)
对于无向图(q_i=\sum_j e_{ij}
)和作为
r=\frac1{\sigma_o\sigma_i}\sum_{jk}jk(e_{jk}-q_j^o q_k^i)
对于有向图。 这里 q_i^o=\sum_j e_{ij}
, q_i^i=\sum_j e_{ji}
,此外, \sigma_q
, sigma_o
和 sigma_i
分别是 q
, q^o
和 q^i
的标准差。
区别的原因在于,在有向网络中,关系不是对称的,因此可以为边的传出端和传入端分配不同的值。
assortativity_degree
使用顶点度数(减一)作为顶点值并调用 assortativity
。
单个实数。
Gabor Csardi csardi.gabor@gmail.com
M. E. J. Newman: Mixing patterns in networks, Phys. Rev. E 67, 026126 (2003) https://arxiv.org/abs/cond-mat/0209450
M. E. J. Newman: Assortative mixing in networks, Phys. Rev. Lett. 89, 208701 (2002) https://arxiv.org/abs/cond-mat/0205405
# random network, close to zero
assortativity_degree(sample_gnp(10000, 3/10000))
# BA model, tends to be dissortative
assortativity_degree(sample_pa(10000, m=4))