Louvain 算法原理及设计实现

模块度：
Louvain算法是一种基于图数据的社区发现算法。原始论文为：《Fast unfolding of communities in large networks》。

算法的优化目标为最大化整个数据的模块度，模块度的计算如下：

其中m为图中边的总数量，k_i表示所有指向节点i的连边权重之和，k_j同理。A_{i,j} 表示节点i，j之间的连边权重。

有一点要搞清楚，模块度的概念不是Louvain算法发明的，而Louvain算法只是一种优化关系图模块度目标的一种实现而已。

Louvain算法的两步迭代设计：
最开始，每个原始节点都看成一个独立的社区，社区内的连边权重为0.
算法扫描数据中的所有节点，针对每个节点遍历该节点的所有邻居节点，衡量把该节点加入其邻居节点所在的社区所带来的模块度的收益。并选择对应最大收益的邻居节点，加入其所在的社区。这一过程化重复进行指导每一个节点的社区归属都不在发生变化。
对步骤1中形成的社区进行折叠，把每个社区折叠成一个单点，分别计算这些新生成的“社区点”之间的连边权重，以及社区内的所有点之间的连边权重之和。用于下一轮的步骤1。
该算法的最大优势就是速度很快，步骤1的每次迭代的时间复杂度为O(N)，N为输入数据中的边的数量。步骤2 的时间复杂度为O(M + N)， M为本轮迭代中点的个数。
算法实现：
数据结构设计：
算法数据结构的设计主要有两方面的考虑：
1. 如何高效地存储图中的节点和节点之间的关系
2. 如何在设计的数据结构上高效地扫描数据、进行算法迭代。
当前一些开源的算法实现主要通过hash表或set的结构来存储节点和节点之间的关系。
主要有两个缺点：
1. 维护hash 或集合结构本身就需要不少内存开销
2. 遍历过程中需要不断地创建、销毁、清空对应的Hash 或 Set 结构，尤其是在遍历不同的节点的邻居节点以及社区这点时。
而且，在遍历过程中，结构对元素的访问也并不是严格O(1)的。

出于以上考虑，我们设计一种更高效的数据结构来存储图中的节点和边，避开使用复杂的数据结构，且在算法迭代过程中不申请多余的空间和空间的销毁操作，具体如下：

关于节点字段的说明：
count，社区内的节点个数

clsid，节点归属社区的代表节点ID

next，步骤1迭代中下一个属于同一个临时社区的节点

prev，步骤1迭代中上一个属于同一个临时社区的节点

first，属于同一个社区的，除代表节点外的第一个节点，该节点有步骤2 社区折叠的时候生成

kin，稳定社区内部节点之间的互相连接权重之和

kout，稳定社区外部，指向自己社区的权重之和

clskin，临时社区内部节点之间的互相连接权重之和

clstot，稳定社区所有内外部指向自己的连接权重之和

eindex，节点邻居链表的第一个指针，该链表下的所有left，都是本节点自己

关于边数据结构的字段就顾名思义即可。

基于上述结构设计，在给定了一个M个节点，N调边的图所需的空间为：60 * M + 24 * N.
例如：给定1000万给点，2000万边的数据，则需要空间约为：10000000 * 60 + 20000000 * 24 = 1080M.且整个迭代过程中内存环境维持不变。

迭代过程：

1，假设我们最开始有5个点，互相之间存在一定的关系（至于什么关系，先不管），如下：

2，假设在进过了步骤1的充分迭代之后发现节点2，应该加入到节点1所在的社区（最开始每个点都是一个社区，而自己就是这个社区的代表），新的社区由节点1代表，如下：

此时节点3，4，5之间以及与节点1，2之间没有任何归属关系。

3，此时应该执行步骤2，将节点1，2组合成的新社区进行折叠，折叠之后的社区看成一个单点，用节点1来代表，如下：

此时数据中共有4个节点（或者说4个社区），其中一个社区包含了两个节点，而社区3，4，5都只包含一个节点，即他们自己。

4，重新执行步骤1，对社区1，3，4，5进行扫描，假设在充分迭代之后节点5，4，3分别先后都加入了节点1所在的社区，如下：

5，进行步骤2，对新生成的社区进行折叠，新折叠而成的社区看成一个单点，由节点1代表，结构如下：

此时由于整个数据中只剩下1个社区，即由节点1代表的社区。

再进行步骤1时不会有任何一个节点的社区归属发生变化，此时也就不需要再执行步骤2，至此，迭代结束。

代码实现及测试：

一个基于上述结构设计的代码实现参见：
https://github.com/liuzhiqiangruc/dml/blob/master/cls/louvain.c

在一个实际的图（70万点，200万边）上进行测试，迭代到完全收敛所需时间为：1.77秒。
实际中往往不需要迭代到每一个点都不发生变化，或者整个图中有多少比例的节点不在发生变化就退出。

Louvain 算法原理及设计实现相关推荐

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 ...
三维目标检测算法原理
三维目标检测算法原理输入输出接口 Input: (1)图像视频分辨率(整型int) (2)图像视频格式(RGB,YUV,MP4等) (3)左右两边的车道线位置信息摄像头标定参数(中心位置(x,y) ...
视频光流估计综述：从算法原理到具体应用
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者:肖泽东 | 来源:知乎 https://zhuanlan.zhihu.com/p/7446034 ...
【聚能聊有奖话题】今日头条公布算法原理，你认可他们的理念吗？
本话题地址,参与即可获得礼品: https://yq.aliyun.com/roundtable/63978 11 日,今日头条召开了一场旨在推动整个行业来问诊算法.建言算法的分享交流会.资深算法架构 ...
matlab 投票法_SVM算法原理及其Matlab应用
<SVM算法原理及其Matlab应用>由会员分享,可在线阅读,更多相关<SVM算法原理及其Matlab应用(18页珍藏版)>请在人人文库网上搜索. 1.SVM 算法及其 Mat ...
今日头条算法原理（全文）【转】
原文地址:https://www.toutiao.com/i6511211182064402951/?tt_from=weixin_moments&utm_campaign=client_sh ...
【阿里云课程】模型设计之动态网络，原理与设计
大家好,继续更新有三AI与阿里天池联合推出的深度学习系列课程,本次更新内容为第10课中的一节,介绍如下: 动态网络原理与设计本次课程是阿里天池联合有三AI推出的深度学习系列课程第10期,深度学习模型 ...
深度强化学习落地指南：弥合DRL算法原理和落地实践之间的断层 | 文末送书
魏宁著电子工业出版社-博文视点 2021-08-01 ISBN: 9787121416446 定价: 109.00 元新书推荐 ????今日福利 |关于本书| 本书从工业界一线算法工作者的视角, ...
Adaboost算法原理分析和实例+代码（简明易懂）
Adaboost算法原理分析和实例+代码(简明易懂) [尊重原创,转载请注明出处] http://blog.csdn.net/guyuealian/article/details/70995333 ...
一致性 Hash 算法原理总结
一致性 Hash 算法是解决分布式缓存等问题的一种算法,本文介绍了一致性 Hash 算法的原理,并给出了一种实现和实际运用的案例: 一致性 Hash 算法背景考虑这么一种场景: 我们有三台缓存服务器 ...

Louvain 算法原理及设计实现

Louvain 算法原理及设计实现相关推荐

最新文章

热门文章

Louvain 算法原理 及设计实现

Louvain 算法原理 及设计实现相关推荐

最新文章

热门文章

Louvain 算法原理及设计实现

Louvain 算法原理及设计实现相关推荐