ryoryon66 / MAwithWeight

MAモデルにweightをつけたバージョンの実装例

MAwithWeight

MAモデルに重みをつけたものの実装

環境構築

python 3.9.9で動作確認をしています。

git clone https://github.com/ryoryon66/MAwithWeight.git
cd MAwithWeight
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

M1 macでpygraphvizのinstallに失敗する場合こちらが参考になります。link

python MAmodel/MAmodel.py

が動作し、pdfファイルが生成されていれば環境構築終了です。

使い方

1. sample_model/ma1model.ymlの形式を参考にして重み付きMAモデルを表現するymlファイルを書いてください。
2. MAmodel/settings.pyを適切に設定してください。
3. python MAmodel/MAmodel.pyを実行してください。

可視化例

赤色の辺がattack,青色の辺がsupportです。

重みの予測ラベル計算への算入方法

条件データ (+,x1,x2) (-,y1,y2)が付与された頂点uの予測ラベルは以下のように定まる。

• Au : Auをrejに向かわせるような頂点の集合 (ラベルがl1かつuをattack または ラベルがl2かつuをsupport)
• Bu : Auをaccに向かわせるような頂点の集合 (ラベルがl2かつuをattack または ラベルがl1かつuをsupport)

V : AuとBuを一緒にした多重集合

average_weight : V内の頂点の重みの平均

としたとき

• A_weightはAu内の重みの合計をaverage_weightで除したもの
• B_weightはBu内の重みの合計をaverage_weightで除したもの

で定める。

• (+,x1,x2)についてはx1,x2,B_weightの大小関係によって判断を定める.
• (-,y1,y2)についてはy1,y2,A_weightの大小関係によって判断を定める。

以上の判断を総合して予測ラベルを定める(ソースコード内のtable_neutralなどを参照)。

グラフにつけた属性一覧(networkX)

MAモデル

graph

• label_list : 用いるラベルのリスト [l1,l2,l3]

edge

• attack : boolでTrueならattack,Falseならsupport
• color : グラフ描画の時の色。

node

• label ラベリングデータによって付けられたラベル

• predicted_labels 周囲の頂点から予測されたラベルのリスト

• judges : 条件ごとの判断などを並べたもの.Aが大きいほどrejされやすく、Bが大きいほどaccされやすくなる。Aは(-,x,y),Bは(+,x,y)の条件判断に用いられる