igraph或其他库文库重叠社区检测 [英] Overlapping community detection with igraph or other libaries

问题描述

我想在小型网络/图表中检测重叠社区。通过重叠，我的意思是一个节点可以包含在检测算法输出中的多个社区/集群中。

我已经看过各种社区检测算法，由 igraph 提供，但我认为它们都不会处理重叠的社区。

理想情况下，我希望能够以编程方式在Python中利用这些算法的一些实现。但是，其他语言的实现也可以。

我已经实现了层次链接聚类算法Ahn等人之前使用igraph的Python接口;请参阅其源代码此处。

另外，将CFinder使用igraph的Python相当简单;这是我想出来的：

 ＃！/ usr / bin / env python $ b $ itertools导入组合
 
 import igraph 
 import optparse 
 
 parser = optparse.OptionParser（usage =％prog [options] infile）
 parser.add_option（ - k，metavar =K，默认值= 3，type = int，
 help =使用K的集团大小）
 
 options，args = parser.parse_args（）
 
如果不是args：
 parser.error（必需的输入文件作为第一个参数）
 
k = options.k 
g = igraph.load（args 
 cls = map（set，g.maximal_cliques（min = k））
 
 edgelist = [] 
 for [0]，format =ncol，directed = False）如果len（cls [i] .intersection（cls [j]）））> = k-1：
 edgelist，则组合（范围（len（cls）），2）：
。 append（（i，j））
 
 cg = igraph.Graph（edgelist，directed = False）
 clusters = cg.clusters（）
用于集群中的集群：
 members = set（）
 for my cluster：
 members.update（cls [i]）
 print \\t。加入（g.vs [成员] [ 名称]）
  

I would like to detect overlapping communities in small networks/graphs. By overlapping, I mean that a node can be included within more than one communities/clusters in the output of the detection algorithm.

I have looked at various community detection algorithms curretly provided by igraph, but I think none of them handles overlapping communities.

Ideally, I would like to be able to programmatically utilize some implementation of such algorithm(s) in Python. However, implementation in other languages is OK too.

解决方案

I have implemented the hierarchical link clustering algorithm of Ahn et al a while ago using the Python interface of igraph; see its source code here.

Also, implementing CFinder in Python using igraph is fairly easy; this is what I came up with:

#!/usr/bin/env python
from itertools import combinations

import igraph
import optparse

parser = optparse.OptionParser(usage="%prog [options] infile")
parser.add_option("-k", metavar="K", default=3, type=int,
        help="use a clique size of K")

options, args = parser.parse_args()

if not args:
    parser.error("Required input file as first argument")

k = options.k
g = igraph.load(args[0], format="ncol", directed=False)
cls = map(set, g.maximal_cliques(min=k))

edgelist = []
for i, j in combinations(range(len(cls)), 2):
    if len(cls[i].intersection(cls[j])) >= k-1:
        edgelist.append((i, j))

cg = igraph.Graph(edgelist, directed=False)
clusters = cg.clusters()
for cluster in clusters:
    members = set()
    for i in cluster:
        members.update(cls[i])
    print "\t".join(g.vs[members]["name"])

这篇关于igraph或其他库文库重叠社区检测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！