distance_tm(tnet)
distance_tm()所属R语言包:tnet
Distance in a two-mode network
双模式网络中的距离
译者:生物统计家园网 机器人LoveR
描述----------Description----------
The shortest path length, or geodesic distance, between two nodes in a binary network is the minimum number of steps you need to make to go from one of them to the other. See the distance_w-function for more details.
的最短路径的长度,或测地距离,在一个二进制网络的两个节点之间的最小数目是您需要使去从其中之一的其他步骤。功能的更多详细信息,请参阅distance_w。
用法----------Usage----------
distance_tm(net, projection.method="sum", gconly=TRUE,subsample=1, seed=NULL)
参数----------Arguments----------
参数:net
A two-mode network
一个双模式网络
参数:projection.method
The way the two-mode network is projected. The sum method defines tie weights as the number of common nodes (e.g., events, projects etc) that two individuals had contact through. In certain cases, "Newman" might be better. See the projecting_tm-function.
投影方式的双模式网络。年数总和法定义的普通节点(例如,活动,项目等)的数量,两个人有过接触,通过权重的领带。在某些情况下,“纽曼”可能是更好的。功能请参阅projecting_tm。
参数:gconly
logical, whether the function should only be calculated for the giant component. Default is TRUE.
逻辑,功能是否应该只计算巨大的组件。默认值是TRUE。
参数:subsample
Whether a only a subset of starting nodes should we used when calculating the measure. This is particularly useful when running out of memory analysing large networks. If it is set to 1, all distances are analysed. If it set to a value below one, this is roughly the proportion of starting noes that will be analysed. If it is set to an interger greater than 1, this number of starting nodes that will be analysed.
无论是只有一小部分的起始节点,我们应该计算时使用的措施。运行时内存分析大型网络,这是特别有用的。如果它被设置为1,所有的距离进行了分析。如果将它设置到1以下的值,这是将要分析的起始不大致比例。如果它被设置为大于1的整数,这将要分析的起始节点。
参数:seed
If a subset of starting nodes is analysed, by setting this parameter, the results are reproducable.
如果开始节点的一个子集进行分析,通过设置此参数,结果重复性。
值----------Value----------
Returns a distance matrix.
返回的距离矩阵。
注意----------Note----------
version 1.0.0
版本1.0.0
(作者)----------Author(s)----------
Tore Opsahl; http://toreopsahl.com
参考文献----------References----------
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注:
注1:为了方便大家学习,本文档为生物统计家园网机器人LoveR翻译而成,仅供个人R语言学习参考使用,生物统计家园保留版权。
注2:由于是机器人自动翻译,难免有不准确之处,使用时仔细对照中、英文内容进行反复理解,可以帮助R语言的学习。
注3:如遇到不准确之处,请在本贴的后面进行回帖,我们会逐渐进行修订。
|