新闻风向标发现一个宝藏Python库，玩社区发现算法的不

baomau83426

络是由一些紧密相连的节点组成的，并且根据不同节点之间连接的紧密程度，络也可视为由不同簇组成。簇内的节点之间有着更为紧密的连接，不同簇之间的连接则相对稀疏。这种簇被称为络中的社区结构()。然而换言之，我们应该深入了解[url=http://sh.mobiletrain.org/]上海IT培训的发展规律，为整个行业带去新的生机，让市场焕发生机。http://sh.mobiletrain.org/

由此衍生出来的社区发现()算法用来发现络中的社区结构，这类算法包括L算法、G-N算法以及B-K算法等。


比较近，在GH上发现了一个可以发现图中社区结构的P库，该库由软件工程师JS创建。





项目地址：


首先，该库可以现以下几种社区发现算法：


L算法


G-N算法


层次聚类


谱聚类


B-K算法


其次，用户还可以使用库来可视化上述几种算法，下图为空手道俱乐部(Z')络中L算法的可视化结果：









该库的安装方法也非常简单，可采用的方式安装，代码如下：





对于这个P库，很多友给予了高度评价，表示会去尝试。





算法详解


1、L算法





该算法来源于文章《F》，简称为L。


作为一种基于模块度(M)的社区发现算法，L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，其化的目标是比较大化整个图属性结构(社区络)的模块度。


L算法对比较大化图模块性的社区进行贪婪搜索。如果一个图具有高密度的群体内边缘和低密度的群体间边缘，则称之为模图。


示例代码如下：





2、G-N算法





该算法来源于文章《C》。


G-N算法迭代删除边以创建更多连接的组件。每个组件都被视为一个，当模块度不能再增加时，算法停止去除边缘。


示例代码如下：





3、层次聚类





层次聚类现了一种自底向上、分层的聚类算法。每个节点从自己的社区开始，然后，随着层次结构的建立，比较相似的社区被合并。社区会一直被合并，直到在模块度方面没有进一步的进展。


示例代码如下：





4、谱聚类





这种类型的算法假定邻接矩阵的特征值包含有关社区结构的信息。


示例代码如下：





5、B-K算法





B-K算法现用于比较大团检测()。图中的比较大团是形成一个完整图的节点子集，如果向该子集中添加其他节点，则它将不再完整。将比较大团视为社区是合理的，因为团是图中连接比较紧密的节点群。因为一个节点可以是多个社区的成员，所以该算法有时会识别重叠的社区。


示例代码如下：





可视化


绘图





可视化图()，将节点分组至它们所属的社区和颜色编码中。返回代表绘图的A。示例代码如下：





可视化图如下：





L算法的动图展示





L算法在图中的应用可以现动图展示，其中每个节点的颜色代表其所属的社区，并且同一社区中的节点聚类结合在一起。


示例代码如下：





动图展示如下：