社区检测入门

图的属性

平均度
无向图： 所有节点的度数总和/节点数
有向图： 所有节点的度数总和/(节点数*2)
通过这个可以看出哪些节点的度高，反应出连接他的点就多，就越关键
例如上图：平均度=$\frac{18}{8}=2.571$
平均加权度
有向图：每个节点的边的权重之和/节点数
无向图：每个节点的边的权重之和/(节点数*2)
图密度
无向图： 边数*2/(节点数*节点数-节点数)
有向图： 边数/(节点数*节点数-节点数)
大概理解： （节点数*节点数-节点数） 这个计算出最多的连接边数(不包含连自己) ， 用实际边数除以最大可能边数，即为密度， 结果越大表示图中节点连接越紧密
PS：为什么有向图要除以2？我们可以发现无向图的每条边都计算了2次，而有向图的一条边只能计算一次。

资源

1. 复杂网络社区发现方法总结
2. Modularity是啥：Fast unfolding of communities in large networks
3. GN算法：
   GN算法中的难点就是最短路径问题，最短路径算法无非就是DijKstra算法和Floyd算法（帮助理解迪杰斯特拉算法）
4. 社区发现算法FastUnfolding的GraphX实现