我已经在iGraph中构建了几个图形。在每个图中,节点表示单词,边缘权重表示单词A作为单词b的响应(在单词关联任务中)的次数。在每个图中,我已经标准化了边缘权重,使它们在0和1之间变化,使用以下代码:
E(G)$weight <- E(G)$weight / max(E(G)$weight)
这些值在分析节点/网络强度时是合适的,但是在计算与中间性有关的函数时(例如调用中间性函数,或使用基于中间性的社区检测),它们需要被更改为距离-即颠倒:
G2 = G
E(G2)$weight = 1 - E(G2)$weight
问题是,这导致向量包含几个0(即对于那些在被反转之前强度为1的向量)。这导致(至少,我认为这是原因)错误消息,如:
Error in cluster_edge_betweenness(G2.JHJ.strong, weights = E(G2.JHJ.strong)$weight, :
At community.c:455 : weights must be strictly positive, Invalid value
我们能做些什么呢?
谢谢,彼得
如果您想要安全起见,您可以尝试sum
而不是max
来规范化权重,例如
E(G)$weight <- E(G)$weight / sum((E(G)$weight)
或
E(G)$weight <- 2**((E(G)$weight - min(E(G)$weight)) / diff(range(E(G)$weight)))