多层网络社团发现(Community detection in multilayer networks)

社团结构(Community structure)在现实世界的复杂系统中普遍存在,对社团结构的分析和挖掘也是复杂网络领域最基础的研究之一。目前,社团发现(Community detection)相关研究大多基于图模型(Graph model)展开,随着网络规模的增加以及网络的多元化发展,传统方法可能由于网络模型的局限导致不正确或不完整的研究结果,如以下场景: 多元化社交 。 Twitter、Facebook、Google+、微博等社交媒体的发展极大丰富了人们的日常生活。人们在社交媒体中分享观点、聊天、购物等...

Continue Reading »
分享到:

LPA算法在Python2与Python3中的差异

本文依赖Networkx库,我的Network库版本是2.0,如需安装请输入: pip install networkx==2.0 会自动卸载已有版本,安装2.0版本。 LPA算法2.7版本代码如下: import collections import random import networkx as nx ''' paper : <<Near linear time algorithm to detect community structures in large-scale networks>> '...

Continue Reading »
分享到:

【转载】LOUVAIN算法

Louvain 算法来源于文章2010年的论文Fast unfolding of communities in large networks,简称为Louvian [1]。 算法原理 Louvain算法是基于模块度(Modularity)的社区发现算法,该算法在效率和效果上都表现比较好,并且能够发现层次性的社区结构,其优化的目标是最大化整个图属性结构(社区网络)的模块度。 其中需要理解的核心点有: 模块度Modularity的定义,这个定义是描述社区内紧密程度的值 Q Q ; 模块度增量 Q \Delt...

Continue Reading »
分享到:

【转载】社团发现算法分类及简介

相关概念 复杂网络:具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。 社团结构:网络中的顶点可以分成组,组内顶点间的连接比较稠密,组间顶点的连接比较稀疏。 算法分类 1. 非重叠社团发现算法 1.1 模块度优化算法 模块度:取值范围[-0.5, 1), 用它来定量衡量网络社区划分质量,其值接近1,表示划分质量越好。 模块度优化类算法分类: 聚合:FN、CNM、MSG-MV 分裂:GN 直接寻优:EO Newman快速算法: 将每个节点看作是一个社团,每次迭代选择产生最大Q值的...

Continue Reading »
分享到:

【转载】社团发现算法综述

社团发现一只是复杂网络研究中一个比较火热的话题,本文根据国防科大骆志刚教授的论文 [1] 整理的,主要是对社区发现的一些算法进行简单分析。 一、 模块度优化类。 优化模块度 Q Q 值的一部分算法。 Q Q 值是由Newman在2004年的论文 [2] 中提出的(也就是FN算法),通过优化Q值来提高模块度是这类算法的主要思路,在此基础上,本文又划分了三个类别: 聚合思想,也就是分层聚类中的自底向上的作法。典型算法有Newman快速算法(FN算法)、CNM算法 [3] 和MSG-MV算法 [4] 等。 分...

Continue Reading »
分享到: