Erdos-Renyi模型在社交网络上的实现

先决条件：社交网络简介，鄂尔多斯-人一模型

Erdos Renyi模型用于在社交网络上创建随机网络或图形。在Erdos Reny模型中，每个边缘都有固定的概率出现，而与网络中的边缘无关地不存在。

使用Erdos-Renyi模型实施社交网络：

步骤1)导入必要的模块，例如networkx ， matplotlib.pyplot和random模块。

Python3

# Import Required modules
import networkx as nx
import matplotlib.pyplot as plt
import random

Python3

# Take P probability value for edges
print("Enter value of probability of every node")
P = float(input())

---

---

步骤2)为模型创建分布图。

Python3

# Distribution graph for Erdos_Renyi model
def distribution_graph(g):
    print(nx.degree(g))
    all_node_degree = list(dict((nx.degree(g))).values())
  
    unique_degree = list(set(all_node_degree))
    unique_degree.sort()
    nodes_with_degree = []
    for i in unique_degree:
        nodes_with_degree.append(all_node_degree.count(i))
  
    plt.plot(unique_degree, nodes_with_degree)
    plt.xlabel("Degrees")
    plt.ylabel("No. of nodes")
    plt.title("Degree distribution")
    plt.show()

步骤3)从用户那里获取N即节点数。

Python3

# Take N number of nodes as input
print("Enter number of nodes")
N = int(input())

步骤4)现在取P，即来自用户的边缘概率。

# Take P probability value for edges
print("Enter value of probability of every node")
P = float(input())

步骤5)创建一个具有N个节点且没有任何边缘的图形。

Python3

# Create an empty graph object
g = nx.Graph()
  
# Adding nodes
g.add_nodes_from(range(1, N + 1))

步骤6)将边随机添加到图中，获取一对节点，并获得随机数R。如果R (概率)，则添加一条边。对所有可能的节点对重复步骤5和6，然后显示形成的整个社交网络(图)。

Python3

# Add edges to the graph randomly.
for i in g.nodes():
    for j in g.nodes():
        if (i < j):
              
            # Take random number R.
            R = random.random()
              
            # Check if R

步骤7)显示连接节点。

Python3

# Display connection between nodes    
distribution_graph(g)

下面是上述逐步方法的完整程序：

Python3

# Implementation of Erdos-Renyi Model on a Social Network
  
  
# Import Required modules
import networkx as nx
import matplotlib.pyplot as plt
import random
  
  
# Distribution graph for Erdos_Renyi model
def distribution_graph(g):
    print(nx.degree(g))
    all_node_degree = list(dict((nx.degree(g))).values())
  
    unique_degree = list(set(all_node_degree))
    unique_degree.sort()
    nodes_with_degree = []
    for i in unique_degree:
        nodes_with_degree.append(all_node_degree.count(i))
  
    plt.plot(unique_degree, nodes_with_degree)
    plt.xlabel("Degrees")
    plt.ylabel("No. of nodes")
    plt.title("Degree distribution")
    plt.show()
  
          
# Take N number of nodes from user
print("Enter number of nodes")
N = int(input())
  
  
# Take P probability value for edges
print("Enter value of probability of every node")
P = float(input())
  
  
# Create an empty graph object
g = nx.Graph()
  
  
# Adding nodes
g.add_nodes_from(range(1, N + 1))
  
  
# Add edges to the graph randomly.
for i in g.nodes():
    for j in g.nodes():
        if (i < j):
              
            # Take random number R.
            R = random.random()
              
            # Check if R

输出：

Enter number of nodes
10
Enter value of probability of every node
0.4
[(1, 5), (2, 3), (3, 4), (4, 2), (5, 3), (6, 5), (7, 4), (8, 2), (9, 2), (10, 2)]

在图中随机添加边

以上程序中Erdos-Renyi模型的实现程度分布图：