文件名称：networksampling:使用 Metropolis-Hastings 随机游走对大规模网络进行采样，使用 Python
文件大小：2KB
文件格式：ZIP
更新时间：2024-07-02 19:44:52
Python
使用 Metropolis-Hastings 随机游走对大规模网络进行采样 大规模网络的分析需要大量的工作内存和强大的处理器来从这些数据中提取有用的知识。 然而，并非所有公司都可以访问这些资源，或者执行分析所需的时间阻止他们及时从数据中获得洞察力。 规避此问题的一种可能方法是将分析重点放在整个网络的代表性样本上。 采样技术的目标是获得保持其结构特性的网络的代表性片段。 Metropolis-Hastings 随机游走（Gjoka 等人，2010 年）是一种无偏抽样方法，可提供良好的结果。 执行 首先，它考虑网络中的节点 v 并设置停止标准。 虽然不满足这个标准，但算法 (i) 从 v 的邻居中搜索并随机选择一个节点 w，并从均匀分布 U(0,1) 中生成一个 alpha； (ii) 将 alpha 与 Kv/Kw 进行比较，其中 Kv 和 Kw 分别代表 v 和 w 的邻居数； (ii
【文件预览】：
networksampling-master
----mhrw.py(2KB)
----README.md(2KB)