发布时间 : 星期一 文章pajek中文使用手册 - 图文更新完毕开始阅读1165a717af1ffc4ffe47acdf
Pajek – Manual
16
* Change Relation Number / Label － 将选择的相关值转变为带有相关名称的 新的相关值。 － Sort Lines
* Neighbors around Vertices － 对于每一个结点，依据连接到该结点的其它结点 进行升序排列。
* Line Values －按照边的属性值的大小进行升序或降序排列。
z Random Network － 生成预定度数的随机网络
－Total No. of Arcs －选定度数和 arc 数目，生成随机有向图。
－Vertices Output Degree － 选定度数，以及每个结点的出度，生成随机有向图。
－Erdos-Renyi － 依据 Erdos 和 Renyi 定义的模型，生成无向、有向、无循环、双向 或者 2-mode 的随机网络。在 ER 模型中每一条边的生成都按照概率 P，而在 Pajek 中， 使 用 了 更 直 观 的 指 标 ： 平 均 度 d 。 所 有 的 连 接 都 必 须 符 合
和 m = pM，这里的 n = |V |，m = |L|，M 表示最
大的网络中边的数目，例如无向图 M = n(n ? 1)。
－Scale Free － 生成无尺度无向、有向或者非循环网络。依据为无尺度网络生成模型， 见文献[43]，在网络增长的每一步中，有一个新结点和 k 个边被加入到网络 N 中去。边 的端点可以在已有的结点中随机的选择，选择的概率为
，
其中
这里可以较为容易检查
。3
－ Extended Model（拓展模型） —根据 BA 拓展模型生成随机网络[2]。
3
以上内空由“遥遥”翻译，Email: yaoyi226@yahoo.com.cn
16
Pajek 1.16 / October 4, 2006
Pajek – Manual
17
附：非原文内容，说明而添加
z Partitions（分类区域） －分类网络。结果是一个分类。
－Degree（度）
* Input（输入）－指向结点的边数 * Output（输出）－从结点指出的边数。 * All（总数）－结点的所有的邻居。
－Domain（范围） －根据结点的输入输出以及邻居来计算该结点的范围。结果是：
* 分类包括范围的大小－可获得结点的数目。
* 向量包括标准化的范围尺寸－标准化通过总的结点数减 1 来完成。 * 向量包括到到该范围的平均距离。 根据平均距离分类标准的区域范围可以计算出近似的 Prestige 指数。
－Core（核） －k-核是给定网络的一个子集，在子集中每一个结点至少有 k 个近邻， 根据：
* Input（输入）－指向结点的边数 * Output（输出）－从结点指出的边数。 * All（总数）－所有的邻居。
* 2-Mode －2-Mode 网络的核心分类。给定第一个子集的最小度（k1）第二个子 集的最小度（k2），生成一个新的分类。这里，0 表示结点不属于前面所定义的 k1 和 k2 所属的核，1 表示该结点属于该核。
* 2-Mode Rveview －给定 k1 和 k2 初始值，计算下列： k1 k2 Rows Cols Comp
这里，k1是第一个子集的最小度，k2是第二个子集的最小度。Rows和Cols 是相应的
17
Pajek 1.16 / October 4, 2006
Pajek – Manual
18
第一个和第二个子集中结点数，Comp是由k1和k2导出的网络中相互连接的部分的数 目。K1和k2是不断增加的，直到网络为空。
Figure 7: US Patents － Main island ’liquid-crystal display’
* 2-Mode Border —在一个给定的 2-Mode 网络中计算 k1 和 k2 的边界值（border values）。
－Valued Core －一般的 k-核心: 来用边的属性值替代计算边数 (邻点)。
当计算的Valued Core时候可以用边数的和或最大的值：
18
Pajek 1.16 / October 4, 2006
Pajek – Manual
19
全部下限为val的valued core是给定网络的一个子网，这里在同一核心中，边的属 性值的和至少是val 。
大于下限为val的valued core是给定网络的一个子网，这里在同一核心中，最大的 边的属性值的至少是val 。
必须预先给定下限。有两种不同的方法来决定下限: * First Threshold and Step —选择最初的下限，然后增加下限值。 * Selected Thresholds —通过向量来决定下限值 (逐渐增加的数目) 。 另外地，还可以利用输入，输出或所有的valued core。 － Depth（深度）
* Acyclic（无环） 依照结点的深度分类无环的网络。
* Genealogical（谱系）依照结点的层次关系分类谱系网络。
－ p-Cliques（p 团） 依照 p-Cliques 分类网络(分类，类的结点至少有比例 p (数目在 0 之间和 1)个邻居)。
* Strong（强壮性）－对于有向网络。
* Weak（脆弱性）－对于无向网络。
－ Vertex Labels—根据同一层次中的结点(对于分子)具有相同的名称，来分类结点。 － Vertex Shapes（结点形状）—根据同一层次(在系谱中表示)中的结点具有相同的形 状(椭圆形，方形,菱形)来分类结点 。
－Islands —根据连接类的边的属性值(权值)分类网络结点(类里的权值必须大于邻居 的权值):用邻边的最大权值来定义结点的深度。两个选择项：
* Line Weights（边的权值） * Line Weights[简单的]
19
Pajek 1.16 / October 4, 2006