Paper Notes: Fast unfolding of communities in large networks

最新推荐文章于 2023-04-04 18:49:40 发布
最新推荐文章于 2023-04-04 18:49:40 发布
阅读量1.4k 收藏
点赞数
分类专栏： Community Detection 文章标签： community detection fast modularity
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/badmartin/article/details/10363595
版权

Paper title: Fast unfolding of communities in large networks

Author: Vincent D Blondel, Jean-Loup Guillaume, Renaud Lambiotte and Etienne Lefebvre

Journal: Journal of Statistical Mechanics: Theory and Experiment

Year: 2008


All the code in this paper can be downloaded from: http://findcommunities.googlepages.com


My notes:

This paper proposed a heuristic method which is based on modularity maximization. The algorithm is an agglomerative method that consists of two phases: (1) each node belongs to a unique community. Then for each node i, calculate the gain of modularity if i is removed from its community and join to community of j (j is the neighbor of i). Then i is placed to j’s community in which the gain is maximum and positive. If no positive gain is found, i stays in its original community. This process is iterated for all nodes until no improvement can be achieved. (2) build a network whose nodes are the communities discovered in the first phase. Then reapply the first phase until no more changes happen and a maximum of modularity is obtained. 
The computation of this method is shown to be the least among known community detection methods.

文献学习(part99)--Fast unfolding of communities in large networks
小山羊的学习日志
07-15 297
我们提出了一种简单的方法来提取大型网络的社群结构.我们的方法是一种基于模块化优化的启发式方法.该方法在计算时间上优于所有其他已知的社群检测方法.此外，检测到的社区的质量非常好，以所谓的模块化来衡量.首先，通过识别比利时260万客户的移动电话网络中的语言社区和分析1.18亿个节点和超过10亿个链接的网络图来证明.我们的算法的准确性也在ad-hoc模块化网络上得到了验证....
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 7120
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
重读网络挖掘中community detection 文章--Fast unfolding of communities in large networks
hero_fantao的专栏
08-29 4642
community detection 社区发现算法
Fast unfolding of communities in large networks
mousever的专栏
05-20 1127
作者：郑梓豪 链接：https://zhuanlan.zhihu.com/p/19769897 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 接着上文，我们需要进一步了解Gephi工具计算modularity的算法。在Gephi社区中，有文档Modularity - Gephi Wiki说明了算法[1]。 What & Why Community
Fast unfolding of communities in large networks 中文翻译
volunteer1024的博客
09-22 2584
Fast unfolding of communities in large networks 中文翻译摘要Keywords1 引言2 方法3 应用于大型网络4 结论和讨论引用 Blondel V D, Guillaume J L, Lambiotte R, et al. Fast unfolding of communities in large networks[J]. Journal of statistical mechanics: theory and experiment, 2008, 200
5 Fast unfolding of communities in large networks
qq_41106162的博客
05-05 495
参考https://blog.csdn.net/u010159842/article/details/80335918
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
机器学习与深度学习资料
Jason Ding的专栏
04-23 4551
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深
《Fast unfolding of communities in large networks》论文阅读
ptxx_p的博客
05-04 652
2022.5.3 天气晴，白天热晚上冷。 physics，2008. 《Fast unfolding of communities in large networks》一、出发点二、方法三、对方法的分析四、在大型网络上的应用（application to large networks） 一、出发点 community detection：将大图分割成小图，小图内的节点紧密关联，小图间几乎没有关联。 分割的测度或者也是优化目标：modularity，定义如下： Q=12m∑i,j[Aij−kikj2m]δ(c
【复杂网络】【社区发现】算法Louvain_FastUnfloding
bqw的博客
05-19 1422
社区发现算法Louvain Fast unfolding of communities in large networks 一、社区发现 将复杂网络划分为若干个组，组内节点连接稠密，组间节点连接稀疏。这些组称为社区(Community)，将复杂网络划分为社区的过程称为社区发现(Community Detection)。 二、社区发现效果度量----模块度(Modularity) 模块度(modularity)用来评估一个网络划分的质量，其取值范围介于-1至1间。在加权网络中，模块度的定义为 Q=12m∑i,
fast unfolding
10-19
fast unfolding 算法，供大家使用
Python实现社区发现算法-fast_unfolding算法（可直接使用）
03-02
基于Python3的社区发现算法fast_unfolding，已经对其中的bug进行修改
Louvain快速社区发现算法（Fast unfolding算法）
04-15
目前社区发现算法中计算速度最快的算法，由Vincent D.Blondel等人在2008年提出，基于modularity optimization启发式算法，代码可直接使用，在Vincent D.Blondel个人官网上下载的
pylouvain:Louvain方法的Python实现，用于在大型网络中查找社区
05-08
肾上腺皮质激素 Louvain方法的Python实现，用于在大型网络中查找社区。 该方法首次发表在：，Vincent D Blondel，Jean-Loup Guillaume，Renaud Lambiotte，Etienne Lefebvre，《统计力学杂志：理论与实验》 2008年第10期，P1000 作者 朱利安·奥登（Julien Odent），迈克尔·圣·吉兰（Michael Saint-Guillain）
社团检测经典算法实现 python
11-08
经典的社团检测算法Louvain的python实现，学习社团检测必学的代码。
社区发现-Fast Unfolding
qq_14950717的博客
03-07 6134
一、简介 在社区划分问题中，存在着很多的算法，如由Newman和Gievan提出的GN算法，标签传播算法(Label Propagation Algorithm, LPA)，这些算法都能一定程度的解决社区划分的问题，但是性能则是各不相同。总的来说，在社区划分中，主要分为两大类算法 1.凝聚方法(agglomerative method)：添加边 2.分裂方法(divisive method)：
社团划分——Fast Unfolding算法
热门推荐
null的专栏
09-22 5万+
社团划分——Fast Unfolding算法一、社区划分问题1、社区以及社区划分在社交网络中，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，在这样的的网络中，连接较为紧密的部分可以被看成一个社区，其内部的节点之间有较为紧密的连接，而在两个社区间则相对连接较为稀疏，这便称为社团结构。 (Newman
LOUVAIN——社交网络挖掘之大规模网络的社区发现算法
xuanyuansen的专栏
04-01 5万+
LOUVAIN——社交网络挖掘之大规模网络的社区发现算法===算法来源该算法来源于文章Fast unfolding of communities in large networks，简称为Louvian。算法原理Louvain算法是基于模块度（Modularity）的社区发现算法，该算法在效率和效果上都表现比较好，并且能够发现层次性的社区结构，其优化的目标是最大化整个图属性结构（社区网络）的模块度。
社区发现算法原理与louvain源码解析
咕噜大大的专栏
04-04 3691
社区切分或者说社区发现，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或者是社区与社区之间的节点并不相似。社区切分算法目前已经广泛运用在各个领域，例如在金融反欺诈的场景中，社区切分算法可以根据资金交易图谱划分出可疑的欺诈团伙或者洗钱团伙。再就是在营销场景中，社区切分算法可以对不同的人群进行自然分类，帮助业务人员发现不同特性的人群，然后进行精准营销活动的投放。还有在智能运维场景中去发现高风险网络架构等等。
大规模网络社区结构检测：Fast Unfolding算法解析
“复杂网络社区结构检测的经典算法，包括Fast unfolding of communities in large networks的源代码和MATLAB实现。” 本文档介绍了一种针对大型网络社区结构检测的高效算法，该算法名为“Fast unfolding of ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值