[프로젝트] Synthetic dataset 생성 도구 제작(1)

개요

---

• Synthetic dataset을 생성하는 도구 출판이 목적
• Network science 분야와 연결

Nezzle로 시각화

---

• input이 배열(layers, 계층구조)로 들어갈 때 각 종류의 피드백이 네트워크 형성 방식에 따라 결정됨
• 각 노드는 index(row_idx, col_idx})로 구분
• 각 피드백은 index(src.iden, tar.iden)으로 구분
• 각 피드백은 랜덤한 갯수로 추가
• code

    def update(nav, net):
        layers = [6, 4, 7, 5, 8, 3, 6]
        net, entity = create_network(layers)
  
        for col_idx in range(len(layers)):
            create_edges(net, entity, col_idx)
          
        feedback_types = ["feedbackloop", "crosstalk"]
        polarity_types = ["positive", "negative"]
          
        num_edges = random.randint(20, 50)
  
        for _ in range(num_edges):
            f_type = random.choice(feedback_types)
  
            if f_type == "feedbackloop":
                direction_types = ["utd", "dtu"]
            else:
                direction_types = ["utd", "dtu", "same"]
  
            d_type = random.choice(direction_types)
            p_type = random.choice(polarity_types)
  
            add_feedback_edges(net, entity, 1, f_type=f_type, d_type=d_type, p_type=p_type)
              
        nav.append_item(net)
  

• img1

  

• img2

  

NetworkX(+numpy)로 구현

---

• 구조는 네트워크를 통해 결정: 노드와 피드백의 갯수가 네트워크를 따름
• NetworkX 패키지의 graph generators 사용
  • barabasi_albert_graph
    • 스케일-프리 네트워크 생성
    • 기존 노드들의 차수에 비례하여 새로운 노드가 연결될 확률 증가 ⟶ ‘허브’ 노드 형성
  • powerlaw_cluster_graph
    • Power-law 분포를 따르는 노드들이 클러스터링 된 구조를 갖는 네트워크를 형성
    • p: 클러스터링 확률
• 생성된 피드백의 종류와 갯수 출력
• code