如何在加权社交网络/图中进行社区检测？

42

我想知道是否有人可以建议对具有加权，无向边的图形执行社区检测/图形分区/聚类。所讨论的图形大约有300万个边，每个边都表示其连接的两个顶点之间的相似度。特别地，在该数据集中，边缘是个体，顶点是对其观察到的行为的相似性的度量。

过去，我遵循了一个建议，即在stats.stackexchange.com上到达这里，并使用igraph的纽曼模块化聚类的实现，并对结果感到满意，但这是在未加权的数据集上。

我应该看什么特定的算法？

— 拉拉迈克尔斯
source

20

纽曼模块化聚类（快速贪婪函数）的igraph实现也可以与加权边一起使用。只需将权重属性添加到边缘并照常进行分析即可。以我的经验，由于没有领带，它在带重量的情况下甚至跑得更快。

— 彼得
source

非常感谢您向我指出这一点，我完全错过了文档中有关重量的参考。

— laramichaels

9

我知道Gephi可以处理无向加权图，但是我似乎记得它必须存储在GDF中，它非常接近CSV或Ucinet DL。请注意，它仍然是Alpha版本。现在，关于对图形进行聚类，除了最新版本中提供的MCL算法外，Gephi似乎都缺乏聚类管道。2009年有一个Google Code项目，即Gephi Network Statistics（以Newman的模块化指标为特色），但我不知道是否已经朝这个方向发布了一些东西。无论如何，它似乎允许进行某种模块化/集群计算，但另请参见使用R和Gephi进行的社交网络分析和使用R和Gephi进行社交网络分析的数据准备（非常感谢@Tal）。

如果您习惯使用Python，则值得尝试NetworkX（以下是带有相应代码的加权图示例）。然后，您可以通过多种方式进行分析。

您还应该查看INSNA-社交网络分析软件或Tim Evans的有关复杂网络和复杂性的网页。

— hl
source

您好，只是让您知道Gephi无法处理加权无向图以通过模块识别社区。谢谢。-Gautam

@Gautam很高兴知道，谢谢。我对Gephi并不是很熟悉，但是我认为它正在积极开发中。

— chl

7

Gephi实现了Louvain模块化方法：http ://wiki.gephi.org/index.php/Modularity

干杯

@Seb您知道R中的任何实现吗？

— John Colby

4

Louvain模块化算法可在C ++中使用：https： //sites.google.com/site/findcommunities/

它处理数百万个节点和边的加权网络，并且已被证明比纽曼算法要快得多。

— 塞布
source

Louvain模块化算法快速且稳定，我想知道它是否有map reduce版本。

— 页

3

如果您使用的是python，并且已使用NetworkX创建了加权图，则可以使用python-louvain进行聚类。其中G是加权图：

import community 
partition = community.best_partition(G, weight='weight')

— 金翅雀
source

1

我刚遇到R的tnet软件包。创建者似乎正在研究加权图和二分图（双模）图中的社区发现。

http://opsahl.co.uk/tnet/content/view/15/27/

我尚未使用。

1

SLPA（现称为GANXiS）是一种快速算法，能够检测社交网络（无向/有向和无加权/加权）中不相交和重叠的社区。结果表明，该算法在现实社会和基因网络上产生了有意义的结果。它是最新技术之一。它可以在

https://sites.google.com/site/communitydetectionslpa/

查看更多评论arxiv.org/abs/1110.5813

— 杰瑞
source

1

我有一个用于非重叠，加权/未加权网络的Java实现，该网络可能可以处理300万个节点（我已经对其一百万个节点数据集进行了测试）。但是，它的作用类似于k-means，并且需要将要检测的分区数作为输入（keans中的k）。你可以找到更多的信息在这里，这里是代码，在github上

干杯，

— 社区
source