基于边权重的图聚类 [英] Graph Clustering based on the edge weights

问题描述

我使用networkx构建了一个图，这是一个以人为节点、消息频率为边权重的社交网络。我想把这个网络分成不同的人群。经常互相发信息的人往往是同一群人。我该怎么做呢？我应该使用哪种群集算法？另外，我如何将分组可视化为树状图树？

提前感谢！：d 附言：我曾尝试使用python-Louvain进行分区，但结果不准确，例如它将两个用户划分为不同的组，即使他们的消息传递频率相当高

推荐答案

我曾尝试使用python-Louvain进行分区，但结果不准确[.]

Louvain方法并不完美，也没有完美的方法，它们始终取决于您要实现的目标(请参阅this paper的结论)。

[.]就像它将两个用户划分到不同的组中一样，即使他们的消息传递频率相当高。

似乎此用户可能属于多个社区.也许可以尝试一种允许社区重叠的分区方法，例如K-Clique。这种分区方法允许节点属于多个社区。

算法：

以下是我找到的一些替代算法：

1. networkX包中已包含许多算法(here)。我建议girvan_newman，但它需要很大的计算能力.

2. CDLib包还有许多针对networkX(here)的算法，包括一些允许重叠社区的算法。另外，检查leiden algorithm，你可能更喜欢它而不是Louvain，它应该更好(根据他们的paper)

3. 我仍然推荐使用python-louvain，以获得清晰的社区

祝你好运！

这篇关于基于边权重的图聚类的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！