community detection
梦家
博客主页:https://dreamhomes.top/
展开
-
异质信息网络中的节点排序算法 ObjectRank 和 PopRank
背景现实中的复杂系统大体可以抽象为两类:第一类是同质信息网络(Homogeneousinformation network),这种建模方法仅抽取网络中部分信息并且没有区分对象或者关系间的差异性;第二类是异质信息网络(Heterogeneous information network),网络中包含多种类型的关系和对象,具有全面的结构信息和丰富的语义信息。目前同质信息网络中节点排序方法较多且应用较广,例如Personalized PageRank ,其计算公式如下所示:PPRq=(1−α)MT×PPRq原创 2020-07-24 16:07:31 · 1124 阅读 · 0 评论 -
社团检测之PageRank算法
本文主要介绍PageRank算法原理和其Python实现PageRank算法原理如果一个网页被很多其他网页链接到的话说明这个网页比较重要,也就是PageRank值会相对较高。如果一个PageRank值很高的网页链接到一个其他的网页,那么被链接到的网页的PageRank值会相应地因此而提高。计算公式:PR(pi)=α∑pj∈MpiPR(pj)L(pj)+1−αNPR(p_i)=\a...原创 2019-05-12 17:13:03 · 1207 阅读 · 0 评论 -
复杂网络中的社团检测算法研究
本文参考论文Community detection in networks:A user guide,写下本人理解笔记。复杂网络复杂网络定义在我们的现实生活中,许多复杂系统都可以建模成一种复杂网络进行分析,比如常见的电力网络、航空网络、交通网络、计算机网络以及社交网络等等。复杂网络不仅是一种数据的表现形式,它同样也是一种科学研究的手段。复杂网络方面的研究目前受到了广泛的关注和研究,尤其...原创 2019-05-11 19:51:37 · 9858 阅读 · 0 评论 -
社团检测之K-Shell算法
本文简单介绍节点重要性度量算法原理及其Python实现基本思想K-shell 方法递归地剥离网络中度数小于或等于 k 的节点,具体划分过程如下: 假设网络中不存在度数为 0 的孤立节点。从度指标的角度分析,度数为 1的节点是网络中最不重要的节点,因此首先将度数为 1 的节点及其连边从网络中删除。删除操作进行之后的网络中会出现新的度数为 1 的节点,接着将这些新出现的度数为 1 的节点及其...原创 2019-05-11 19:47:39 · 5463 阅读 · 0 评论 -
社团检测之节点重要性度量
本文主要介绍度量复杂网络中节点重要性的指标局部特征度中心性(Degree Centrality)即一个节点的度越大就意味着这个节点越重要,为了便于比较而对中心性指标做归一化处理,度为kik_iki的节点的归一化的度中心性值定义为:DCi=kiN−1DC_i=\frac{k_i}{N-1}DCi=N−1ki###集聚系数(Clustering Coefficient)对于节...原创 2019-05-11 19:45:43 · 3018 阅读 · 1 评论 -
社团检测之SLPA算法
本文简单介绍SLPA标签传播算法原理及其Python实现SLPA(Speaker-Listener LPA)算法思想输入参数:迭代次数T,满足社区次数要求的阈值r输出参数:每一个节点的社区分布首先,每一个节点的存储器中初始化一个唯一的标签。然后,重复进行以下步骤,直到达到最大迭代T:a. 选择一个节点作为监听器;b. 所选节点的每个邻居随机选择概率正比于该标签在其存储器中的...原创 2019-05-11 19:44:26 · 4226 阅读 · 10 评论 -
社团检测之节点相似度指标
本文主要介绍复杂网络中节点相似度指标基于局部信息的节点相似度指标共同邻居sxy=∣Γ(x)∩Γ(y)∣s_{xy}=|\Gamma(x)\cap\Gamma(y)|sxy=∣Γ(x)∩Γ(y)∣Salton指标sxy=∣Γ(x)∩Γ(y)∣k(x)×k(y)s_{xy}=\frac{|\Gamma(x)\cap\Gamma(y)|}{\sqrt{k(x)×k(y)}}sxy=k...原创 2019-05-11 19:42:55 · 4195 阅读 · 1 评论 -
基于布朗粒子的随机运动度量网络中节点之间的距离
基于布朗粒子的随机运动度量网络中节点之间的距离算法思想Consider a connected network of NNN nodes and MMM edges. Its node set is denoted by V={1,⋯,N}V={1,⋯,N}V=\{1,\cdots,N\} and its connection pattern is specified by the ...原创 2018-04-11 11:06:42 · 399 阅读 · 0 评论 -
社团检测之LFM种子传播算法及其python实现
社团检测之LFM种子传播算法及其python实现LFM算法LFM算法首先定义出可以衡量一组节点连接紧密程度的适应度函数:Fitness,具体计算公式如下: fg=kgin(kgin+kgout)αfg=king(king+koutg)αf_g=\frac{k_{in}^g}{(k_{in}^g+k_{out}^g)^{\alpha}} 其中kginkingk_{in}^g表示这...原创 2018-04-08 11:49:56 · 2126 阅读 · 4 评论 -
社团检测之LeaderRank算法
本文主要介绍社团检测中节点排序LeaderRank算法。基本思想LeaderRankLeaderRankLeaderRank算法通过在网络中增加一个节点g(Groundnode)g(Groundnode)g(Ground node),将其与网络中的所有节点相连接从而得到一个强连接的N+1N+1N+1个节点的新网络。算法首先给节点ggg之外的NNN个节点分配1单位的LRLRLR值,将...原创 2018-03-07 11:01:29 · 9665 阅读 · 20 评论 -
复杂网络K-Shell算法及其Python实现
The rest of the world may follow the rules,but i must follow my heart! 随心所欲即使其他人随波逐流。K-Shell算法基本思想K-shell 方法递归地剥离网络中度数小于或等于 k 的节点,具体划分过程如下: 假设网络中不存在度数为 0 的孤立节点。从度指标的角度分析,度数为 1的节点是网络中最不重要的节点,因此首先将原创 2017-12-18 11:03:36 · 18693 阅读 · 14 评论 -
社团检测之标签传播算法Python实现
Don’t you wonder sometimes, what might have happened if you tried? 有时别想那么多,试一试看看结果会怎么样?LPA标签传播算法主要优点:时间复杂度近似线性,不需要事先知道社区数量。主要算法流程:首先为每个节点设置唯一标签,接着迭代依次更新各个节点,针对每个节点,通过统计节点邻居的标签,选择标签数最多的标签更新该节点,如果最原创 2017-11-29 10:15:58 · 5293 阅读 · 17 评论 -
标准化互信息NMI计算步骤及其Python实现
Excellence is a continuous process and not an accident. 卓越是一个持续的过程而不是一个偶然事件。标准化互信息NMI计算步骤及其Python实现 标准化互信息NMI具体定义可以参考另一篇博客: https://smj2284672469.github.io/2017/10/27/community-detection-mea原创 2017-10-28 21:37:19 · 21053 阅读 · 29 评论 -
社团检测度量指标
I was well beaten myself,and i am better for it. 我自己也被被打败过,但我因此变得更好。社团检测度量指标假设对于图G(V,E)G(V,E)有两种划分X=(X1,X2,...,XnX)X=(X_1,X_2,...,X_{n_X})和Y=(Y1,Y2,...,YnY)Y=(Y_1,Y_2,...,Y_{n_Y}),nX,nYn_X,n_Y分别是原创 2017-10-27 21:50:22 · 2195 阅读 · 5 评论 -
社团划分结果评估指标:Q、ARI、NMI
Face the past with the least regrets, face the present with the least waste and face the future with the most dreams. 不悔恨过去;不荒废现在;充满梦想,面对未来。社团划分结果评估指标:Q、ARI、NMI一、模块度Q(Modularity)模块度也称模块化度量值,是目前常用原创 2017-10-06 21:35:50 · 9492 阅读 · 3 评论 -
社团检测经典数据集
常用社团数据集下载: http://blog.csdn.net/wzgang123/article/details/51089521原创 2017-09-18 21:32:49 · 5262 阅读 · 0 评论 -
Python NetworkX/Community包进行网络划分和可视化
Whenever people agree with me, i always feel i must be wrong. 每次别人赞同我时,我都觉得自己一定错了。Python NetworkX/Community包进行网络划分和可视化networkx 提供画图的函数有:draw(G,[pos,ax,hold]) draw_networkx(G,[pos,with_labels])原创 2017-09-26 16:01:49 · 22827 阅读 · 10 评论