HGX-Team/hypergraphx

它解决的问题

大多数网络分析工具只处理成对连接，但许多现实世界系统涉及三个或更多实体一起行动的群体——例如，协作团队、大脑网络、面对面接触。超图直接捕捉这些群体或高阶交互，使用可以连接任意数量节点的超边。Hypergraphx 是一个 Python 库，提供了构建、可视化和分析这些超图的完整工具包，填补了高阶网络科学开源软件中的空白。

工作原理

Hypergraphx 提供了一个 Hypergraph 类，允许您从简单的边列表创建超图——每条边可以包含任意数量的节点。您可以使用 TemporalHypergraph 类添加权重、节点元数据、边元数据，甚至时间戳。该库支持超图与其他表示之间的转换，如线图、二分网络、团扩展和对偶图。它包括用于计算度量（度、相关性、模体）、中心性（谱、介数）、社区检测（硬和重叠）、过滤统计验证的超图、生成合成超图（Erdos-Renyi、无标度、配置等）以及模拟动力学（如同步、传染和随机游走）的工具。它还提供线性代数工具，如关联矩阵、邻接矩阵和拉普拉斯矩阵，以支持谱分析。

适用对象

Hypergraphx 面向网络科学、计算生物学、社会科学以及任何处理群体交互领域的研究人员和分析师。它设计为用户友好且易于访问，提供入门教程和真实世界数据集集合，以便快速上手。该项目是开源的，欢迎贡献。

亮点

• 支持加权、有向、时间、多重和带符号的超图
• 丰富的度量和统计：度、相关性、同质性、模体、中尺度结构
• 中心性算法：谱、最短路径、介数流、模体采样
• 社区检测：硬和重叠，具有同配/异配选项
• 过滤：统计验证的超图和显著的交互群体
• 生成模型：Erdos-Renyi、无标度、配置、基于社区、时间活动驱动
• 动力学：同步、社会传染、随机游走、扩散
• 通过 pip 轻松安装，并提供广泛的文档和教程