У меня есть полный неориентированный взвешенный график. Подумайте о графе, в котором люди являются узлами, а ребро (u, v, w) указывает тип отношения между u и v с весом w. w может принимать любое значение от 1 (не знают друг друга - отсюда полнота), 2 (знакомые), 3 (друзья). Такие отношения естественным образом образуют кластеры на основе веса ребер.
Моя цель состоит в том, чтобы определить модель, которая моделирует это явление, и откуда я могу взять несколько графиков и увидеть наблюдаемое поведение в реальности.
Пока что я играл со сточастями c блочные модели (https://graspy.neurodata.io/tutorials/simulations/sbm.html), поскольку есть некоторые статьи об использовании этих генеративных моделей для этих задач по обнаружению сообществ. Однако я могу что-то контролировать, так как не могу полностью представить то, что мне нужно: g = sbm (list_of_params), где g завершено, и среди узлов, имеющих общий вес 3, есть несколько различимых кластеров.
На данный момент я даже не уверен, является ли sbm лучшим подходом для этой задачи.
Я также предполагаю, что все, что может делать графический инструмент, может делать и graspy. Поскольку вначале я читал об обоих, кажется, что это так.
Подведение итогов:
Есть ли способ сгенерировать сточастую c блочную модель в graspy, которая дает полный неориентированный взвешенный граф?
SBM - лучшая модель для поставленной задачи. Стоит ли смотреть на gmm?
Спасибо