-
Notifications
You must be signed in to change notification settings - Fork 2
/
Copy pathOnlineProcessing.py
902 lines (825 loc) · 35.1 KB
/
OnlineProcessing.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
# -*- coding:utf-8 -*-
"""
@author:SamanthaChen
@file:OnlineProcessing.py
@time:2017/2/2611:12
@在线查询的方法类,
"""
import networkx as nx
import copy
from math import log
from ShellStructIndex import ShellStructIndex as ShellIndex
from collections import defaultdict
import matplotlib.pyplot as plt
import Queue
from SteinTree import *
from LIHeuristic import LIHeuristic
def dataReader(graphFile,nodeFile):
'根据图文件(邻接链表格式)和节点文件(节点-别名-属性)读取图'
G=nx.read_adjlist(graphFile,nodetype=int) #从邻接表读取图数据
#读取节点的属性文件
f=open(nodeFile)
for line in f.readlines():
line=line.strip('\n')
words = line.split('\t') ###name和属性是ab分割,但是属性是空格分割
attrs=words[2].split(' ')
G.node[int(words[0])]["name"]=words[1] #读取节点的name
G.node[int(words[0])]["attr"]=attrs #读取节点的属性
return G
def retrieveCSM(queryVertexes,index):
'根据索引,找到包含查询节点的core最大的子图'
queryVertexesCopy=copy.deepcopy(queryVertexes)#复制一个新的,因为后面要删除
qVcopy=copy.deepcopy(queryVertexesCopy)
vertexTNodeList=index.vertexTNodelist ##先把图节点到树节点的映射拿出来
'自底向上,一层层往上找,最终的查询节点会汇聚到一个最低的公共祖先'
'步骤1:计算查询节点集合中最大的coreness'
maxQCore = 0
for query in queryVertexesCopy:
if index.coreDict[query]>maxQCore:
maxQCore=index.coreDict[query]
'步骤2:从底层开始往上找最低公共祖先'
csmTNodes=[] #存储的是包含查询节点的csm候选树节点集合(要不要改成图节点啊)
candinateTNodes=set() ###包含查询节点和所有的候选节点
k=maxQCore
flag=False
while not ((len(candinateTNodes)==1) and (len(queryVertexesCopy)==0)):
'2.1:筛选core=k的节点(1.query节点集里2.候选节点集里)'
vk=[]
vk=filter(lambda x:vertexTNodeList[x].core==k,queryVertexesCopy) #1.query节点里面core=k的节点
tk=[]
if candinateTNodes:
tk=filter(lambda y:y.core==k,candinateTNodes) #2.候选树节点里面core=k的节点
'步骤2.2:ccore-k的节点加入结果集,其父母加入候选节点集'
alltk=set() ##这一层的所有候选节点
if vk:
for v in vk:
alltk.add(vertexTNodeList[v])
candinateTNodes.add(vertexTNodeList[v].parent) #这一层查询节点的父母也做候选集合
queryVertexesCopy.remove(v) #查询节点访问过了就删除
if tk:
for t in tk:
alltk.add(t)
candinateTNodes.add(t.parent)
candinateTNodes.remove(t) #候选节点访问过了就删除,但是需要把候选节点的父母加上
for tt in alltk:
csmTNodes.append(tt)
k=k-1
'步骤2.3:判断最后一个lca是否需要加入到节点集里面'
##增加的一个标志位,为了判断最后的lca要不要加入到结果中区(2017.2.27)
if len(alltk)==1 and len(candinateTNodes)==1 and (not queryVertexesCopy):
flag=True
# ###把最后的lca也加入最终结果??
if not flag:
csmTNodes.append(list(candinateTNodes)[0])
###获得最大最小度
maxCoreness=csmTNodes[-1].core
'步骤3:根据树节点,重新构建子图H*'
resVertexes=[]
for tnode in csmTNodes:
for v in tnode.nodeList:
resVertexes.append(v)
H=ShellIndex.G.subgraph(resVertexes) #根据包含的节点获得子图,但是不包含节点属性
return csmTNodes,H,maxCoreness
def retrieveCST(queryVertexes,index,givenk):
'类似于CSM的结果中获得CST(k)的结果'
'根据索引,找到包含查询节点的core最大的子图'
queryVertexesCopy=copy.deepcopy(queryVertexes)#复制一个新的,因为后面要删除
vertexTNodeList=index.vertexTNodelist ##先把图节点到树节点的映射拿出来
'自底向上,一层层往上找,最终的查询节点会汇聚到一个最低的公共祖先'
'步骤1:计算查询节点集合中最大的coreness'
maxQCore = 0
for query in queryVertexesCopy:
if index.coreDict[query]>maxQCore:
maxQCore=index.coreDict[query]
'步骤2:从底层开始往上找最低公共祖先'
csmTNodes=[] #存储的是包含查询节点的csm候选树节点集合(要不要改成图节点啊)
candinateTNodes=set() ###包含查询节点和所有的候选节点
k=maxQCore
flag=False
while not ((len(candinateTNodes)==1) and (len(queryVertexesCopy)==0)):
'2.1:筛选core=k的节点(1.query节点集里2.候选节点集里)'
vk=[]
vk=filter(lambda x:vertexTNodeList[x].core==k,queryVertexesCopy) #1.query节点里面core=k的节点
tk=[]
if candinateTNodes:
tk=filter(lambda y:y.core==k,candinateTNodes) #2.候选树节点里面core=k的节点
'步骤2.2:ccore-k的节点加入结果集,其父母加入候选节点集'
alltk=set() ##这一层的所有候选节点
if vk:
for v in vk:
alltk.add(vertexTNodeList[v])
candinateTNodes.add(vertexTNodeList[v].parent) #这一层查询节点的父母也做候选集合
queryVertexesCopy.remove(v) #查询节点访问过了就删除
if tk:
for t in tk:
alltk.add(t)
candinateTNodes.add(t.parent)
candinateTNodes.remove(t) #候选节点访问过了就删除,但是需要把候选节点的父母加上
for tt in alltk:
csmTNodes.append(tt)
k=k-1
'步骤2.3:判断最后一个lca是否需要加入到节点集里面'
##增加的一个标志位,为了判断最后的lca要不要加入到结果中区(2017.2.27)
if len(alltk)==1 and len(candinateTNodes)==1 and (not queryVertexesCopy):
flag=True
# ###把最后的lca也加入最终结果??
if not flag:
csmTNodes.append(list(candinateTNodes)[0])
###获得最大最小度
maxCoreness=csmTNodes[-1].core
#####重新设置这两个变量
lowCoreness=maxCoreness
highCoreness=maxQCore
'步骤3:从LCA开始往上找,一直找到k'
tmpCoreness=lowCoreness
tmpNode=csmTNodes[-1] ##最顶上的树节点
while tmpCoreness>givenk and tmpNode.parent:
csmTNodes.append(tmpNode.parent)
tmpNode=tmpNode.parent
tmpCoreness=tmpNode.core
'步骤4:BFS,把所有候选树节点的孩子节点全都加进来'
lcaTNode=csmTNodes[-1]
candTNodeSet=[]
queue=[]
queue.append(lcaTNode)
###BFS
while len(queue)>0:
curTNode=queue[0]
candTNodeSet.append(curTNode)
queue.remove(curTNode)
if curTNode.childList:
for child in curTNode.childList:
queue.append(child)
'步骤5:把树节点包含的所有的图节点加入到结果集合'
resVertexes=[]
for tnode in candTNodeSet:
for v in tnode.nodeList:
resVertexes.append(v)
resH=index.G.subgraph(resVertexes) #根据包含的节点获得子图,但是不包含节点属性
return resH
def computeGAttrScore(H,attrNodeDict):
'计算子图的属性分数'
HAttrSocre=0
N=nx.number_of_nodes(H)
for value in attrNodeDict.itervalues():
HAttrSocre+=float(len(value))/float(N)
return HAttrSocre
def computeVAttrScore(H,VwList,queryAttributes,queryVertexes):
'计算节点的属性分数'
##(re:2017.3.2 nodeAttScore改成字典)
nodeAtteSocreDict={}
for n in nx.nodes_iter(H):
if n not in queryVertexes:####不计算查询节点的分数
nattr=H.node[n]['attr']
if nattr is not None:
tmp=[val for val in nattr if val in queryAttributes] #计算节点属性与查询属性的交集
score=sum([2.0*VwList[val]-1 for val in tmp])
nodeAtteSocreDict[n]=score
else:
nodeAtteSocreDict[n]=0
return nodeAtteSocreDict
def greedyDec(H,maxCoreness,queryVertexes,queryAttributes):
'贪婪算法:每次循环删除一个属性分数最小的节点'
'1:先获得初始的候选子图'
Hi=copy.deepcopy(H) #先深拷贝一个子图
N=nx.number_of_nodes(Hi) #子图的节点个数
deletedVertexes=[] #存放删除的节点
graphAttScores=[None]*(N+1) #存放删除对应节点后的子图分数
'2:计算查询属性的倒排'
attrNodeDict=computeInvertedAttr(H,queryAttributes)
VwList={}###属性w<-->含有w的节点个数
for key,value in attrNodeDict.items():
VwList[key]=len(value) #(w,Vw个数)
print 'VwList:',VwList
'3:计算图的属性分数'
HAttrSocre=sum([float(val)* float(val)/float(N) for val in VwList.itervalues()])
graphAttScores[0]=HAttrSocre
'4:计算节点的属性分数'
nodeAtteSocreDict=computeVAttrScore(Hi,VwList,queryAttributes,queryVertexes)
'5:循环删除节点'
deletCount=0# 删除的节点计数
while Hi and nx.is_connected(Hi):
'5.1:删除查询节点外属性得分最小的节点'
if not nodeAtteSocreDict: ###可能会出现除了查询节点,其他点都删完了
break
u=min(nodeAtteSocreDict.items(),key=lambda x:x[1])[0] #最小score对应的节点
deletCount+=1
Hi.remove_node(u) #删除节点
'5.2:确定删除后最小度仍能保持最小度'
deletedVtmp=[] #存删除的节点
deletedVtmp.append(u)
'这里可能会出现为了保持k-core需要删除查询点的情况,那就直接终止?'
kcoreMaintain(Hi,maxCoreness,deletedVtmp,queryVertexes)
interSecttmp=[val for val in deletedVtmp if val in queryVertexes] ##看需要删除的节点和查询节点是否由交集
if len(interSecttmp)>0:
break
##可能删完就变成空的了;或者##删除完了不连通或者删除到查询节点就删除
if not Hi or not nx.is_connected(Hi): ##
break
deletCount=deletCount+len(deletedVtmp)-1
for v in deletedVtmp:
deletedVertexes.append(v) #更新删除的节点
'5.3:更新相关的属性得分'
for v in deletedVtmp:
###统计受影响的属性
nattr=H.node[v]['attr']
tmp=[val for val in nattr if val in queryAttributes]
for w in tmp:
VwList[w]=VwList[w]-1
print 'VwList:',VwList
###更新图属性得分
N=nx.number_of_nodes(Hi)
HAttrSocre=sum([float(val)* float(val)/float(N) for val in VwList.itervalues()])
graphAttScores[deletCount]=HAttrSocre
####更新节点属性得分
nodeAtteSocreDict=computeVAttrScore(Hi,VwList,queryAttributes,queryVertexes)
'6:删除完了,找删除过程中子图属性分数最大的,还原子图'
print 'deleted vertexes:',deletedVertexes
print 'graphAttScores:',graphAttScores
'这里存在一个问题,可能会并列存在好几个最大值,那么应该取最后一个最大值,因为节点数最少(re:2017.3.2)'
maxScore=max(graphAttScores)
maxIndex=[]
i=0##索引
for score in graphAttScores:
if score==maxScore:
maxIndex.append(i)
i+=1
index=maxIndex[-1] ##取最后一个等于最大值的
for i in range(index):
H.remove_node(deletedVertexes[i])
return H
def kcoreMaintain(H,maxCoreness,deletedVs,queryVs):
if H:
'删除节点后,保持最小度至少是maxCoreness'
###这里是找最小度
mind=H.degree(H.nodes()[0])
minIndex=H.nodes()[0]
for n in nx.nodes_iter(H):
if H.degree(n)<mind:
mind=H.degree(n)
minIndex=n
###若当前最小度小于规定的度,则进行删除啊
if mind<maxCoreness:
H.remove_node(minIndex)
deletedVs.append(minIndex)
kcoreMaintain(H,maxCoreness,deletedVs,queryVs)
##删除完不满足条件的节点后就可以返回了
return
def computeInvertedAttr(G,queryAttrs):
'计算查询节点属性的倒排'
attrNodeDict=defaultdict(list) #<属性,节点集合>
for id in nx.nodes_iter(G):
# print 'id:',str(id),G.node[id]
####################可能存在有节点但是没有属性(2017.3.4)###############
if G.node[id].has_key('attr'):
if G.node[id]['attr'] is not None: ##判断是不是等于None
for attr in G.node[id]['attr']:
if attr in queryAttrs:
attrNodeDict[attr].append(id)
return attrNodeDict
from RankNode import RankNode
import Queue
def greedyConnection(H,maxCoreness,queryVertexes,queryAttributes):
'从CSM的结果开始,对搜索空间添加节点直到连通(2017.3.5)'
'1:查询节点加入'
H=nx.Graph() #####后面记得删这句
N=nx.number_of_nodes(H)
resNodeSet=set()
resG=nx.Graph()
###用一个字典存结果集中的度
resNodeDegreeDict={}
resMinD=N
####度列表
degreeDict={}
for i in range(maxCoreness+1):
degreeDict[i]=[]
###初始化属性集列表
VwList={}
for qa in queryAttributes:
VwList[qa]=0
'2:计算查询属性的倒排'
attrNodeDict=computeInvertedAttr(H,queryAttributes)
'3:扩张'
connectAttScoreDict={}
queue=[]
for q in queryVertexes:##将查询节点入队,优先级设为无穷大
qrank=RankNode(q,float("inf"),0)
queue.append(qrank)
while not queue:
curNode=sorted(queue).pop(0)
resNodeSet.add(curNode)
resG=H.subgraph(resNodeSet) ###费时吗?
'更新最小度'
if nx.is_connected(resG) and resMinD>=maxCoreness:
break
for nei in H.neighbors(curNode):
if (nei not in resNodeSet) and (nei not in queue):
'计算连通分数'
interSectN=[val for val in H.neighbors(nei) if val in resNodeSet]
conScore=len(interSectN)
'计算属性得分'
attScore=0
if H.node[q]['attr'] is not None:
interSectA=[val for val in H.node[nei]['attr'] if val in queryAttributes]
for a in interSectN:
attScore+=2.0*(VwList[a]+1)-1
'加入队列'
queue.append(RankNode(nei,conScore,attScore))
def csmSTTree11111(H,maxCoreness,queryVertexs,queryAttrs,alpha):
'以CSM的结果为候选集,先找一颗斯坦纳树,再局部扩张'
iteration=len(H)-len(queryVertexs) ###最大迭代次数
'1.从候选图中找斯坦纳树'
stG=buildSteinerTree(queryVertexs,H)
solution=stG.nodes() ##当前解
'2.局部搜索,同时计算子图得分'
####下面这两个先测试一下,后面看情况调整
graphAttSocre=[None]*(iteration+1)
graphMinDegree=[None]*(iteration+1)
graphMinDegree[0]=min(stG.degree(),key=lambda x:x[1]) ##取最小度
#####统计一下原来的查询属性的频率
VwList={} ##子图中对应查询属性覆盖的节点数
VwList.fromkeys(queryAttrs,0)###批量初始化
for qa in queryAttrs:
for node in stG:
if stG.node[node].has_key('attr') and stG.node[node]['attr']!=None:
for na in stG.node[node]['attr']:
if na==qa:
VwList[qa]+=1
graphAttSocre[0]=[val*val/float(len(stG)) for val in VwList]
###先算一下当前一度邻居
queue=Queue.PriorityQueue() ##创建一个优先队列(注意优先队列默认是小到大)
###初始化连接类
connection=LIHeuristic(H,stG.nodes()) ##初始化已经把srG的一度邻居的链接分数计算了
neighbors=connection.nodeGroup.keys() ##
####计算一下当前一度邻居的分数,并放入队列
aScore={}
aScore.fromkeys(neighbors,0.0)
cScore={}
cScore.fromkeys(neighbors,0.0)
totalScore={}
totalScore.fromkeys(neighbors,0.0)
maxaScore=0
maxcScore=0
for n in neighbors:
####计算连接分数
cScore[n]=connection.nodeGroup[n] #连接个数
if cScore[n]>maxcScore:
maxcScore=cScore[n]
#####计算属性得分
if H.node[n].has_key('attr') and H.node[n]['attr']!=None:
for a in H.node[n]['attr']:
if a in queryAttrs:
aScore[n]+=2*VwList[a]-1
if aScore[n]>maxaScore:
maxcScore=aScore[n]
###最后归一化计算总分数
visitedNodes=[]
visitedNodes.addAll(stG.nodes()) ##存所有访问过的节点
for n in neighbors:
tmp=alpha*(cScore[n]/maxcScore)+(1-alpha)(aScore[n]/maxaScore)
totalScore[n]=tmp
queue.put((-tmp,n))
count=1
while not queue.empty():
##取出得分最高的
curNode=queue.get(0)
###加入结果集合
solution.append(curNode)
visitedNodes.append(curNode)
##更新VwList
if H.node[n].has_key('attr') and H.node[n]['attr']!=None:
for a in H.node[n]['attr']:
if a in queryAttrs:
VwList[a]+=1
###更新子图属性得分
graphAttSocre[count]=[val*val/float(len(stG)) for val in VwList]
###更新最小度(后面记得删掉,太耗时间)
subgraph=H.subgraph(solution)
graphMinDegree[0]=min(subgraph.degree(),key=lambda x:x[1]) ##取最小度
count+=1
####将当前节点的未访问邻居加入到queue
# for nei in H.neighbors(curNode):
# if nei not in solution:
def csmSTTree(H,maxCoreness,queryVertexs,queryAttrs,alpha):
'以CSM的结果为候选集,先找一颗斯坦纳树,再局部扩张'
'1.从候选图中找斯坦纳树'
stG=buildSteinerTree(queryVertexs,H)
N=nx.number_of_nodes(stG)
solution=stG.nodes() ##当前解
'2.局部搜索,同时计算子图得分'
####下面这两个先测试一下,后面看情况调整
graphAttSocre=[]
graphAttEntropy=[] ##用熵做子图属性分数
graphAttEntropy2=[]
graphMinDegree=[]
graphMinDegree.append(min(stG.degree().items(),key=lambda x:x[1])[1]) ##取最小度
selectedNodes=[]
###初始化连接类
heuristic=LIHeuristic(H,stG,queryAttrs,alpha) ##初始化已经把srG的一度邻居的链接分数计算了
graphAttSocre.append(sum([val*val/float(N) for val in heuristic.VwList.values()]))
graphAttEntropy.append(sum([ entropy( val/float(N) ) for val in heuristic.VwList.values()]))
graphAttEntropy2.append(sum([ (val/float(N))*entropy(val / float(N)) for val in heuristic.VwList.values()]))
# print 'connected:', heuristic.connectedScore
# print 'attribute:', heuristic.attributeScore
# print 'total:', heuristic.totalScore
curNode=heuristic.getBestNode()##取出得分最高的
selectedNodes.append(curNode)
# print 'curNode:',str(curNode)
while curNode!=-1: ####扩张到没有候选节点或者到达最大coreness停止
###加入结果集合
solution.append(curNode) ##最终结果集合包含的节点
###更新子图属性得分
subgraph=H.subgraph(solution)
N=nx.number_of_nodes(subgraph)
graphAttSocre.append(sum([val*val / float(N) for val in heuristic.VwList.values()]))
graphAttEntropy.append(sum([entropy(val / float(N)) for val in heuristic.VwList.values()]))
graphAttEntropy2.append(sum([(val / float(N))*entropy(val / float(N)) for val in heuristic.VwList.values()]))
###更新最小度(后面记得删掉,太耗时间)
graphMinDegree.append(min(subgraph.degree().items(),key=lambda x:x[1])[1]) ##取最小度
if graphMinDegree[-1]==maxCoreness: ###到达最大度可以跳出
break
####将当前节点的未访问邻居加入到queue
for nei in H.neighbors(curNode):
if (nei not in solution) and (nei not in heuristic.nodeGroup.keys()):
if H.degree(nei)>maxCoreness:
heuristic.addNode(nei,solution)
# print 'connected:', heuristic.connectedScore
# print 'attribute:', heuristic.attributeScore
# print 'total:', heuristic.totalScore
curNode=heuristic.getBestNode()
selectedNodes.append(curNode)
# print 'curNode:',str(curNode)
print 'graphMinDegree:',graphMinDegree
print 'graphAttSocre:',graphAttSocre
print 'graphAttEntropy:',graphAttEntropy
print 'graphAttEntropy2:', graphAttEntropy2
print 'selectedNodes:',selectedNodes
subgraph=H.subgraph(H)
return subgraph
def entropy(p):
'熵的计算'
return -p*log(p,2)
def displayTree(root,level):
'打印树'
string=""
if root:
#前置的空格
preStr=""
for i in range(level):
preStr=preStr+" "
string=string+preStr+"--(core:"+str(root.core)+") {"
#root包含的图节点
for node in root.nodeList:
string=string+str(node)+", "
string=string+"}"
print string
#打印孩子节点
if root.childList:
for chid in root.childList:
displayTree(chid,level+1)
def dataReader2(edgefile,attrfile):
'读的是delicious类型的数据'
G=nx.read_edgelist(edgefile,nodetype=int) #从邻接表读取图数据
#读取节点的属性文件
f=open(attrfile)
for line in f.readlines():
line=line.strip('\n')
words=line.split() ##第一个是id,后面跟着的都是属性
id=int(words[0])
attr=words[1]
if G.has_node(id):
if G.node[id].has_key('attr'):
G.node[id]['attr'].append(attr)
else:
G.node[id]['attr']=[] #新加一个列表
return G
def dataReader3(adjlistFile,attrFile):
G=nx.read_adjlist(adjlistFile,nodetype=int)
###################处理一下有节点没有属性的情况(2017.3.4)
for n in G.nodes():
G.node[n]['attr']=None
###读取属性文件,一行是一个节点和所有的属性
f=open(attrFile)
for line in f.readlines():
line=line.strip('\n')
words=line.split()
id=int(words[0])
attrs=words[1:]
if G.has_node(id):###可能存没有节点但是有属性
G.node[id]['attr']=attrs
return G
def dataReader4(adhListFile,attrFile):
'处理节点不连续的文件'
def test():
################ TEST 1 ###############################
graphFile='Data/toy-graph'
nodeFile='Data/toy-node'
G=dataReader(graphFile,nodeFile)
print 'ok'
shellIndex = ShellIndex(G)
shellIndex.build()
root=shellIndex.root
#打印树
# displayTree(root,0)
queryVertexes=[1,3]
resTNodes,H,maxCoreness =retrieveCSM(queryVertexes,shellIndex)
print 'csm:',H.nodes()
print 'maxCoreness:',maxCoreness
###假设没有指定查询属性,取查询节点属性的交集
queryAttributes=['tree','algorithm']
H1=greedyDec(H,3,queryVertexes,queryAttributes)
print 'final res:',H1.nodes()
################### TEST 2 ##############################
edgefile='Data/delicious_graph'
labelfile='Data/delicious_nodelabel'
print 'Reading graph...'
G=dataReader3(edgefile,labelfile)
print 'Index building...'
shellIndex = ShellIndex(G)
shellIndex.build()
root=shellIndex.root
# #打印树
# print 'Index Tree:'
# displayTree(root,0)
queryVertex=[130,119,149,215]
queryAttr=['205','158','28']
print 'retrieveCSM...'
resTNodes,H,maxCoreness =retrieveCSM(queryVertex,shellIndex)
print 'csm:',H.nodes()
print 'maxCoreness:',maxCoreness
print 'querying...'
H1=greedyDec(H,10,queryVertex,queryAttr)
print 'final res:',H1.nodes()
def runcsmGrD():
###############################################################################
#### 读query文件,并将结果输出(注意结果文件与query文件相对应)###########
###############################################################################
path='L:/ACQData/'
dataset='texas'
algo='grdec/'
edgefile=path+'inputfile/'+dataset+'_graph'
labelfile=path+'inputfile/'+dataset+'_nodelabel'
queryfile=path+dataset+'_Query_wall.txt'
outfile=path+algo+dataset+'_Query_wall_csm_res.txt'
queryVertexes=[] ##包含所有的查询节点
queryAtts=[] ###包含所有的查询属性
fq=open(queryfile,'r')
lineCount=0
for line in fq.readlines():
lineCount+=1
line=line.strip("\n") #把末尾换行符去掉
words=line.split('\t')
nodeStartid=words.index('node:') ####查询节点开始的位置
attrsStartid=words.index('attrs:') ####查询属性开始的位置
tmp=words[nodeStartid+1:attrsStartid]
if(len(tmp)==0): #####可能会出现查询节点为空
break
nodeList=[]
for val in tmp:
if val:
nodeList.append(int(val))
queryVertexes.append(nodeList)
attrList=words[attrsStartid+1:] ###选择所以关键词
attrList[-1].strip('\n') ##去不掉最后一个换行符。。
queryAtts.append(attrList)
fq.close()
print 'Reading graph...'
G=dataReader3(edgefile,labelfile)
print 'Index building...'
shellIndex = ShellIndex(G)
shellIndex.build()
root=shellIndex.root
# #打印树
# print 'Index Tree:'
# displayTree(root,0)
wf=open(outfile,'w')
for i in range(lineCount):
print '**************************************************************************'
print 'NO.'+str(i)+' querying...'
qnode=queryVertexes[i]
qattr=queryAtts[i]
print 'retrieveCSM...'
resTNodes,H,maxCoreness =retrieveCSM(qnode,shellIndex)
print 'csm:',H.nodes()
print 'maxCoreness:',maxCoreness
Hi=greedyDec(H,maxCoreness,qnode,qattr)
print 'final res:',Hi.nodes()
####文件输出
string=''
for node in Hi.nodes():
string+=str(node)+' ' ####空格分割
wf.write(string+'\n')
print '**************************************************************************'
wf.close()
def outPutcsm():
path='L:/ACQData/'
dataset='dblps'
algo='csm/'
edgefile=path+'inputfile/'+dataset+'_graph'
labelfile=path+'inputfile/'+dataset+'_nodelabel'
queryfile=path+dataset+'_Query_wall.txt'
outfile=path+algo+dataset+'_Query_wall_CSMnode.txt'
queryVertexes=[] ##包含所有的查询节点
queryAtts=[] ###包含所有的查询属性
fq=open(queryfile,'r')
lineCount=0
for line in fq.readlines():
lineCount+=1
line=line.strip("\n") #把末尾换行符去掉
words=line.split('\t')
nodeStartid=words.index('node:') ####查询节点开始的位置
attrsStartid=words.index('attrs:') ####查询属性开始的位置
tmp=words[nodeStartid+1:attrsStartid]
if(len(tmp)==0): #####可能会出现查询节点为空
break
nodeList=[]
for val in tmp:
if val:
nodeList.append(int(val))
queryVertexes.append(nodeList)
attrList=words[attrsStartid+1:] ###选择所以关键词
attrList[-1].strip('\n') ##去不掉最后一个换行符。。
queryAtts.append(attrList)
fq.close()
print 'Reading graph...'
G=dataReader3(edgefile,labelfile)
print 'Index building...'
shellIndex = ShellIndex(G)
shellIndex.build()
root=shellIndex.root
# #打印树
# print 'Index Tree:'
# displayTree(root,0)
wf=open(outfile,'w')
for i in range(lineCount):
print '**************************************************************************'
print 'NO.'+str(i)+' querying...'
qnode=queryVertexes[i]
qattr=queryAtts[i]
print 'retrieveCSM...'
resTNodes,H,maxCoreness =retrieveCSM(qnode,shellIndex)
print 'csm:',H.nodes()
print 'maxCoreness:',maxCoreness
####文件输出
string=''
for node in H.nodes():
string+=str(node)+' ' ####空格分割
wf.write(string+'\n')
print '**************************************************************************'
wf.close()
def runcstGrd():
###############################################################################
#### 读query文件,并将结果输出(注意结果文件与query文件相对应)###########
###############################################################################
path='L:/ACQData/'
dataset='delicious'
algo='cstGrd/'
k=8
edgefile=path+'inputfile/'+dataset+'_graph'
labelfile=path+'inputfile/'+dataset+'_nodelabel'
queryfile=path+dataset+'_Query_wall.txt'
outfile=path+algo+dataset+'_Query_wall_cstGrd_k'+str(k)+'_res.txt'
queryVertexes=[] ##包含所有的查询节点
queryAtts=[] ###包含所有的查询属性
fq=open(queryfile,'r')
lineCount=0
for line in fq.readlines():
lineCount+=1
line=line.strip("\n") #把末尾换行符去掉
words=line.split('\t')
nodeStartid=words.index('node:') ####查询节点开始的位置
attrsStartid=words.index('attrs:') ####查询属性开始的位置
tmp=words[nodeStartid+1:attrsStartid]
if(len(tmp)==0): #####可能会出现查询节点为空
break
nodeList=[]
for val in tmp:
if val:
nodeList.append(int(val))
queryVertexes.append(nodeList)
attrList=words[attrsStartid+1:] ###选择所以关键词
attrList[-1].strip('\n') ##去不掉最后一个换行符。。
queryAtts.append(attrList)
fq.close()
print 'Reading graph...'
G=dataReader3(edgefile,labelfile)
print 'Index building...'
shellIndex = ShellIndex(G)
shellIndex.build()
root=shellIndex.root
# #打印树
# print 'Index Tree:'
# displayTree(root,0)
wf=open(outfile,'w')
for i in range(lineCount):
print '**************************************************************************'
print 'NO.'+str(i)+' querying...'
qnode=queryVertexes[i]
qattr=queryAtts[i]
print 'retrieveCST,k=',str(k),'...'
H =retrieveCST(qnode,shellIndex,k)
print 'cst:',H.nodes()
Hi=greedyDec(H,k,qnode,qattr)
print 'final res:',Hi.nodes()
####文件输出
string=''
for node in Hi.nodes():
string+=str(node)+' ' ####空格分割
wf.write(string+'\n')
print '**************************************************************************'
wf.close()
def testcsmStInc():
###############################################################################
#### 读query文件,并将结果输出(注意结果文件与query文件相对应)###########
###############################################################################
path='Data/'
dataset='delicious'
algo='csmSTTree/'
edgefile=path+dataset+'_graph'
labelfile=path+dataset+'_nodelabel'
queryVertexes=[1,2,3] ##包含所有的查询节点
queryAtts=['2','51'] ###包含所有的查询属性
print 'Reading graph...'
G=dataReader3(edgefile,labelfile)
print 'Index building...'
shellIndex = ShellIndex(G)
shellIndex.build()
root=shellIndex.root
# #打印树
# print 'Index Tree:'
# displayTree(root,0)
print 'querying...'
qnode=queryVertexes
qattr=queryAtts
print 'retrieveCSM...'
resTNodes,H,maxCoreness =retrieveCSM(qnode,shellIndex)
print 'csmNodes:',H.nodes()
print 'csmEdges:',H.edges()
print 'maxCoreness:',maxCoreness
Hi=csmSTTree(H,maxCoreness,qnode,qattr,0.5) ####最后一个参数是结构和属性的权衡分数
print 'final res:',Hi.nodes()
def runcsmGrD2():
###############################################################################
#### 读query文件,并将结果输出(注意结果文件与query文件相对应)###########
###############################################################################
path='L:/ACQData/groundTruthData/'
data='cora'
dataset=data+'/'+data
algo='csmSTTree'
edgefile=path+dataset+'_graph'
labelfile=path+dataset+'_nodelabel'
queryfile=path+dataset+'_query_w2'
outfile='L:/ACQData/'+algo+'/'+data+'_query_w2_'+algo+'_res.txt'
queryVertexes=[] ##包含所有的查询节点
queryAtts=[] ###包含所有的查询属性
fq=open(queryfile,'r')
lineCount=0
for line in fq.readlines():
lineCount+=1
line=line.strip("\n") #把末尾换行符去掉
words=line.split('\t')
nodeStartid=words.index('node:') ####查询节点开始的位置
attrsStartid=words.index('attr:') ####查询属性开始的位置
tmp=words[nodeStartid+1:attrsStartid]
if(len(tmp)==0): #####可能会出现查询节点为空
break
nodeList=[]
for val in tmp:
if val:
nodeList.append(int(val))
queryVertexes.append(nodeList)
attrList=words[attrsStartid+1:] ###选择所以关键词
attrList[-1].strip('\n') ##去不掉最后一个换行符。。
queryAtts.append(attrList)
fq.close()
print 'Reading graph...'
G=dataReader3(edgefile,labelfile)
print 'Index building...'
shellIndex = ShellIndex(G)
shellIndex.build()
root=shellIndex.root
# #打印树
# print 'Index Tree:'
# displayTree(root,0)
wf=open(outfile,'w')
for i in range(lineCount):
print '**************************************************************************'
print 'NO.'+str(i)+' querying...'
qnode=queryVertexes[i]
qattr=queryAtts[i]
print 'retrieveCSM...'
resTNodes,H,maxCoreness =retrieveCSM(qnode,shellIndex)
print 'csm:',H.nodes()
print 'maxCoreness:',maxCoreness
# Hi=greedyDec(H,maxCoreness,qnode,qattr)
Hi=csmSTTree(H,maxCoreness,qnode,qattr,0.5)
print 'final res:',Hi.nodes()
####文件输出
string=''
for node in Hi.nodes():
string+=str(node)+' ' ####空格分割
wf.write(string+'\n')
print '**************************************************************************'
wf.close()
if __name__=="__main__":
runcsmGrD()