可视化学习：社团划分算法——标签传播算法LPA及优化

一、社团划分质量

模块度：社团中实际边密度与有相同节点度数的随即网络边密度的差，越大表示社团划分质量越高。

二、标签传播算法（LPA）

• 从已标记的节点标签信息来预测未标记的节点标签信息，利用样本间的关系，建立完全图模型，适用于无向图。
  • （１）初始化所有节点，每个节点有唯一标签；
  • （２）随机顺序选取节点，将该节点的标签更新为其邻居节点中出现次数最多的标签（若有多个，则随机选择一个标签）；
  • （３）迭代至稳定，即每个节点标签与其邻居中出现次数最多的标签相同。

三、优化算法

１.基于传播分数的标签传播算法（LPA-S）

• 增加节点的传播分数属性，利用参数衰减传播分数来限制标签的传播范围。
  • （１）初始化所有节点，每个节点有相同传播分数和唯一标签；
  • （２）随机顺序选取节点，将该节点的标签更新为其邻居节点中传播分数和最高的标签（若有多个，则随机选择一个标签）；
  • （３）迭代至稳定，即每个节点标签与其邻居中传播分数和最高的标签相同。

</