有向图中的特征向量

我想用igraph软件包测量R中有262000个节点和1M个边的有向图的特征向量中心性。当我运行命令我得到这个错误：有向图中的特征向量

> ev<-evcent(amazon,directed=TRUE)

Error in .Call("R_igraph_eigenvector_centrality", graph, directed, scale, : At arpack.c:1174 : ARPACK error, Maximum number of iterations reached De plus : Warning message: In .Call("R_igraph_eigenvector_centrality", graph, directed, scale, : At arpack.c:776 :ARPACK solver failed to converge (1001 iterations, 0/1 eigenvectors converged)

我不知道是什么意思这个错误???

来源

2017-03-08 Sasa88

特征向量中心性可能有问题与有向图和不对称矩阵。（请注意'eigen_centrality'中的警告！）关于方式的简短讨论是[here]（http://www.sci.unich.it/~francesc/teaching/network/katz.html）。考虑像Katz或页面排名等有向图的其他中心性度量。 – paqmo

错误代表它说的是：Maximum number of iterations reached。

您可以增加最大迭代次数。这里是一个重复的例子：

首先制作一个图表：

> g <- make_ring(1000, directed=FALSE)

然后迭代的默认数量设置为较小的数字：

> arpack_defaults$maxiter = 10

传递到eigen_centrality，让你的错误：

> e = eigen_centrality(g, options=arpack_defaults) 
Error in .Call("R_igraph_eigenvector_centrality", graph, directed, scale, : 
    At arpack.c:944 : ARPACK error, Maximum number of iterations reached 
In addition: Warning message: 
In .Call("R_igraph_eigenvector_centrality", graph, directed, scale, : 
    At arpack.c:776 :ARPACK solver failed to converge (11 iterations, 0/1 eigenvectors converged)

所以让我们尝试更多的迭代：

> arpack_defaults$maxiter = 1000

，看看是否能工作：

> e = eigen_centrality(g, options=arpack_defaults)

没有错误！

我不知道你的图需要多少迭代，或者需要多长时间。只要继续添加零，直到它收敛并正确返回，或者因为耗时过长而放弃。

来源

2017-03-08 07:53:30 Spacedman

我添加了'arpack_defaults $ maxiter = 10000'的值，但仍然有同样的问题，为什么当我们在** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **在同一秒内，当**指示=真**时，需要大约1小时的时间来获取错误。 – Sasa88

帮助中有一个注释（arpack），表示如果输入矩阵是对称的，那么计算速度可以加快。如果指导=假，那么邻接矩阵必须是对称的，所以也许这是报道的加速。建议您使用较小的图表进行调查以了解相关情况。 – Spacedman

有向图中的特征向量

回答

相关问题