Core-periphery decomposition--核心-外圍模型R代碼整理

    

SNA中：中心度及中心勢詮釋（不完整代碼）

 

Core-periphery decomposition--核心-外圍模型R代碼整理 

本文是從網易博客搬家過來的，具體模型圖片無法顯示，暫時通過

流程直通車連接，查看，

核心-邊緣模型原始數據及展示（R）

模型描述與R代碼整理

R調整後訓練結果

#注意：#後爲註釋，
#控制檯展示數量控制
options(max.print=1000000)
#加載所需開發包readr讀取文件，igraph包，進行核心-邊緣算法的實現
library(readr)
library(igraph)
#加載基礎用戶羣存儲文件，建議分地市進行訓練，其中C:/Users/luyeda/Desktop/新數據/0434.csv爲文件路徑，注意R以/爲分割非\，不同地市文件執行不同路徑。
data<-read_csv("C:/Users/luyeda/Desktop/新數據/0434.csv")
#裝載數據到數據框
g <- graph.data.frame(data, directed=F)
#確定最大頂點數量，該值*0.6作爲核心用戶選取的閾值，具體地市可根據其實際情況進行閾值選出方案。
clique_num(g)
#選取頂點數量大於閾值的用戶作爲社交達人
CORE <- max_cliques(g, min = 7)
#轉化數據格式
B3<-unlist(CORE)
#輸出到本地臨時文件，在本地“文檔”路徑下
sink("B3.csv")
 B3
sink()
#將數據轉化爲1列，便於入oracle進行存儲及驗證
y<-matrix(scan("C:/Users/luyeda/Documents/B3.csv",what=""), ncol=1, byrow=FALSE)
#轉化後的數據輸出到文件，最終得到該地市的目標社交達人用戶羣
sink("B4.csv")
 y
sink()
write.table(y,file="0434shejiaodaren.txt",sep=",",quote = FALSE,row.names = FALSE, col.names = FALSE)
#結束