HGX-Team/hypergraphx

해결하는 문제

대부분의 네트워크 분석 도구는 쌍별 연결만 처리하지만, 많은 실제 시스템은 세 개 이상의 엔티티가 함께 작용하는 그룹(예: 협업 팀, 뇌 네트워크, 대면 접촉)을 포함합니다. 하이퍼그래프는 임의의 수의 노드를 연결할 수 있는 하이퍼에지를 사용하여 이러한 그룹 또는 고차 상호작용을 직접 포착합니다. Hypergraphx는 이러한 하이퍼그래프를 구축, 시각화, 분석하기 위한 완전한 도구 키트를 제공하는 Python 라이브러리로, 고차 네트워크 과학을 위한 오픈 소스 소프트웨어의 공백을 메웁니다.

작동 방식

Hypergraphx는 간단한 에지 목록에서 하이퍼그래프를 만들 수 있는 Hypergraph 클래스를 제공합니다. 각 에지에는 임의의 수의 노드가 포함될 수 있습니다. TemporalHypergraph 클래스를 사용하여 가중치, 노드 메타데이터, 에지 메타데이터, 심지어 타임스탬프를 추가할 수 있습니다. 이 라이브러리는 하이퍼그래프와 라인 그래프, 이분 네트워크, 클릭 확장, 이중 등의 다른 표현 간의 변환을 지원합니다. 측정(차수, 상관관계, 모티프), 중심성(스펙트럼, 매개), 커뮤니티 탐지(하드 및 중첩), 통계적으로 검증된 하이퍼그래프 필터링, 합성 하이퍼그래프 생성(Erdos-Renyi, 스케일 프리, 구성 등), 동기화, 전염, 랜덤 워크와 같은 역학 시뮬레이션을 위한 도구가 포함되어 있습니다. 또한 스펙트럼 분석을 지원하기 위해 발생 행렬, 인접 행렬, 라플라시안 행렬과 같은 선형 대수 유틸리티를 제공합니다.

대상 사용자

Hypergraphx는 네트워크 과학, 계산 생물학, 사회 과학 및 그룹 상호작용을 다루는 모든 분야의 연구자와 분석가를 대상으로 합니다. 사용자 친화적이고 접근하기 쉽도록 설계되었으며, 빠르게 시작할 수 있도록 입문 튜토리얼과 실제 데이터 세트 모음을 제공합니다. 이 프로젝트는 오픈 소스이며 기여를 환영합니다.

주요 기능

• 가중, 방향성, 시간, 다중, 부호 있는 하이퍼그래프 지원
• 풍부한 측정 및 통계: 차수, 상관관계, 동질성, 모티프, 중간 규모 구조
• 중심성 알고리즘: 스펙트럼, 최단 경로, 매개 흐름, 모티프 샘플링
• 커뮤니티 탐지: 하드 및 중첩, 동질/이질 옵션 포함
• 필터링: 통계적으로 검증된 하이퍼그래프 및 유의미한 상호작용 그룹
• 생성 모델: Erdos-Renyi, 스케일 프리, 구성, 커뮤니티 기반, 시간 활동 기반
• 역학: 동기화, 사회적 전염, 랜덤 워크, 확산
• pip를 통한 쉬운 설치와 광범위한 문서 및 튜토리얼