2.6. mbipolish 2部グラフの研磨

2部グラフデータを入力として、密度の高い部分グラフの中でエッジが張られていないノードペアに枝を張る。 逆に、密度の低い部分グラフのエッジを削除する。 新たに張られる枝や刈られる枝の程度は、sim= , th= と sim2= , th2= で与えた値によって変わる。

パラメータ

ei= : 型=str , 必須

エッジデータファイル名を指定する。

ef= : 型=str , 任意(default=node1,node2)

エッジデータ上の2つのノード項目名を指定する。

eo= : 型=str , 必須

データ研磨後のエッジデータファイル名を指定する。

sim= : 型=str , 任意(default=R)

ノードa,bに張られたエッジ集合を、それぞれA,Bとしたとき、ノードa,bに枝を張るために用いる類似度を指定する。
* i: inclusion
* I: both-inclusion
* S: \(|A \cap B| / max(|A|,|B|)\)
* s: \(|A \cap B| / min(|A|,|B|)\)
* T (intersection): find pairs having common [threshld] items
* R (resemblance): find pairs s.t. \(|A \cap B| / |A \cup B| >= [threshld]\)
* P (PMI): find pairs s.t. log ( \(|A \cap B| * |all| / (|A|*|B|)) >= [threshld]\)
* C (cosine distance): find pairs s.t. inner product of their normalized vectors >= [threshld]

sim2= : 型=str , 任意(default=sim=の値)

指定できる値は sim= と同じ。

th= : 型=float , 必須

sim= で指定された類似度について、ここで指定された値以上の節点間に辺を張る。

th2= : 型=float , 任意(default=th=の値)

sim2= で指定された類似度について、ここで指定された値以上の節点間に辺を張る。

sup= : 型=int , 任意(default=0)

左の部の次数がsup以上のノードを対象とする。省略すればsup=0。

kn= : 型=int , 任意(default=1)

kn=で指定された値以上の共起頻度を対象とする。

kn2= : 型=int , 任意(default=1)

kn2=で指定された値以上の次数を持つ右部を対象とする。

iter= : 型=int , 任意(default=30)

データ研磨の最大繰り返し数を指定する。

O= : 型=str , 任意(default=研磨過程を出力しない)

デバッグモード時、データ研磨過程のグラフを保存するディレクトリ名を指定する。

log= : 型=str , 任意(default=ログを出力しない)

パラメータの設定値や収束回数等をkey-value形式のCSVで保存するファイル名を指定する。

T= : 型=str , 任意(default=/tmp)

ワークディレクトリ名を指定する。

利用例

入力データの準備

 1with open('edge.csv','w') as f:
 2  f.write(
 3'''node1,node2
 4A,a
 5A,b
 6B,a
 7B,b
 8C,c
 9C,d
10D,b
11D,e
12''')

基本例

1import nysol.take as nt
2nt.mbipolish(ei="edge.csv",ef="node1,node2", th=0.2, eo="output.csv").run()
3### output.sv の内容

関連メソッド