复杂网络之社区发现算法

2024-06-06 11:53:59

GN算法

2002年Girvan等提出了GN（Girvan - Newman ，命名是取自两位提出作者名）算法《Community Structure in Social and Biological Networks》，GN算法核心——通过不断删除边介数最高的边来获取网络中的社区结构，下图参考GeekStuff博主一篇文章中的图片可以直观的理解整个思路。

针对边介数的计算

2003年Tyler等提出了一种改进的基于统计方法的GN算法，其采用蒙特卡洛方法近似估计部分边的边介数，通过牺牲算法的精度来换取计算速度的提高。

2010年Jin等采用结构化相似度取代GN算法中的边介数，从网络中移除结构化相似度最小的边，得到层次化的网络聚类结果。

CMP算法

CMP（Clique Percolation Method）派系过滤算法。

SLPA算法

SLPA（Speaker-listener Label Propagation Algorithm）是对LPA（标签传播算法）的扩展。LPA是2002 年提出的一种基于图的半监督学习方法，根据与已知节点的相似度对未知节点进行标注，

边介数 ：定义为网络中所有最短路径中经过该边的路径的数目占最短路径总数的比例

参考资料

赵卫绩，张凤斌, 刘井莲撰写的论文《复杂网络社区发现研究进展》
https://www.cnblogs.com/bethansy/p/6704712.html
https://www.cnblogs.com/limin12891/p/5660350.html
https://blog.csdn.net/qq_30683589/article/details/89219990

复杂网络之社区发现算法相关推荐

标签传播算法_复杂网络社区发现算法汇总
社区发现这篇文章汇总了一些常见的社区发现概念和算法,包括 Modularity Q Fast Unfolding(Louvain Algorithm) LPA SLPA KL算法 GN算法社区: ...
图算法（十三）：Louvain算法【适用场景：用于社团发掘、层次化聚类等场景】【基于模块度的社区发现算法，其优化目标是最大化整个社区网络的模块度】
一.概述 Louvain算法是基于模块度的社区发现算法,该算法在效率和效果上都表现较好,并且能够发现层次性的社区结构,其优化目标是最大化整个社区网络的模块度. 适用场景:Louvain算法适用于社团发 ...
社区发现算法 - Fast Unfolding（Louvian）算法初探
1. 社团划分 0x1:社区是什么在社交网络中,用户相当于每一个点,用户之间通过互相的关注关系构成了整个网络的结构,在这样的网络中,有的用户之间的连接较为紧密,有的用户之间的连接关系较为稀疏,在这样 ...
文献记录(part66)--一种基于交叉熵的社区发现算法
学习笔记,仅供参考,有错必纠关键词:复杂网络:社区发现:交叉熵: 一种基于交叉熵的社区发现算法摘要作为复杂网络中的一个极其重要的研究领域,社区结构的搜寻和发现研究具有重要的应用价值．该文将信 ...
fastunfolding算法_社区发现算法综述—part1
目前我能在arxiv上找到的最新的关于社区发现算法系列的综述文了. 正文从这里开始: 2.2 社区发现现代网络在规模.多样性和复杂性上呈指数增长. 由于网络的变化,各种各样呈现出网络结构的不同类型的 ...
社区发现算法中模块化度量值Q（Modularity)的计算
社区发现算法中模块化度量值Q(Modularity)的计算 Modularity Measure(模块化度量值),由Newman等人提出,是目前常用的一种衡量网络中社区稳定度的方法. 如上图所示的图中 ...
基于链接密度聚类的重叠社区发现算法
基于链接密度聚类的重叠社区发现算法文章发表时间:2013年12月 1. 传统社区算法的局限性传统社区算法是将网络划分为若干各互不相连的社区,每个节点都必须隶属与唯一的社区,然而,在实际的社交网络中 ...
社区发现算法原理与louvain源码解析
前言社区发现(community detection),或者社区切分,是一类图聚类算法,它主要作用是将图数据划分为不同的社区,社区内的节点都是连接紧密或者相似的,而社区与社区之间的节点连接则是稀疏的 ...
社区发现不得不了解的库，包含Louvain 算法、Girvan-Newman 算法等多种社区发现算法，还具有可视化功能
熟知社区发现算法,你不能错过这个 Python 库.它涵盖 Louvain 算法.Girvan-Newman 算法等多种社区发现算法,还具有可视化功能. 网络是由一些紧密相连的节点组成的,并且根据不同 ...

最新文章

热门文章