Treffer: Structify-Net: Random Graph generation with controlled size and customized structure

Title:
Structify-Net: Random Graph generation with controlled size and customized structure
Authors:
Cazabet, Rémy, Citraro, Salvatore, Rossetti, Giulio
Contributors:
Data Mining and Machine Learning (DM2L), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon, Institut Rhône-Alpin des systèmes complexes (IXXI), École normale supérieure de Lyon (ENS de Lyon), Université de Lyon-Université de Lyon-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), ANR-18-CE23-0004,BITUNAM,Analyse et fouille du réseau d'utilisateurs de bitcoin(2018)
Source:
Peer Community Journal. 3:e103-e103
Publisher Information:
CCSD; Peer Community In, 2023.
Publication Year:
2023
Collection:
collection:ENS-LYON
collection:UNIV-LYON3
collection:UGA
collection:CNRS
collection:UNIV-LYON1
collection:UNIV-LYON2
collection:INSA-LYON
collection:EC-LYON
collection:LIRIS
collection:LYON2
collection:INSA-GROUPE
collection:UDL
collection:UNIV-LYON
collection:UGA-EPE
collection:ANR
collection:ANR-IA-18
collection:ANR-IA
collection:HAL-LYON-2-NOUVELLE-VERSION
collection:TEST-UGA
Subject Terms:
Network Science, random graph model, python library, [INFO]Computer Science [cs]
Original Identifier:
HAL: hal-04424059
Document Type:
Zeitschrift article<br />Journal articles
Language:
English
ISSN:
2804-3871
Relation:
info:eu-repo/semantics/altIdentifier/doi/10.24072/pci.networksci.100114
DOI:
10.24072/pci.networksci.100114
Access URL:
https://hal.science/hal-04424059
https://hal.science/hal-04424059v1/document
https://hal.science/hal-04424059v1/file/10_24072_pcjournal_335-2.pdf
Rights:
info:eu-repo/semantics/OpenAccess
Accession Number:
edshal.hal.04424059v1
Database:
HAL

Weitere Informationen

Network structure is often considered one of the most important features of a network, and various models exist to generate graphs having one of the most studied types of structures, such as blocks/communities or spatial structures. In this article, we introduce a framework for the generation of random graphs with a controlled size-number of nodes, edges-and a customizable structure, beyond blocks and spatial ones, based on node-pair rank and a tunable probability function allowing to control the amount of randomness. We introduce a structure zoo-a collection of original network structuresand conduct experiments on the small-world properties of networks generated by those structures. Finally, we introduce an implementation as a Python library named Structifynet.