社会网络分析中的社区发现

Newman快速社区发现算法： FastCommunity算法

论文中的公式不是太好懂，这里详细描述一下：

Q的具体公式为：

目标函数：

MAX       Q   =   求和{ dki/2m - ((dki+dko)/2m) ^ 2   }           （ k= 1...x    ）

x为分得的社区个数

dki -社区k内部的所有点的度数和

dko -社区k边界向外部的度数和，也可以说是社区k的邻接度和。

m -图中所有边数和

2m -图中所有点的度数和。

==================

比如：

$ cat in1.wpairs

1 2 1

3 4 1

2 3 1

4 5 1

5 6 1

运行结果为：
 scanning input file for basic information.

  edgecount: [0]

  edgecount: [5] total (first pass)

 allocating space for network.

 reparsing the input file to build network data structure.

  edgecount: [0]

  edgecount: [5] total (second pass)

  totweight: [5]

now building initial dQ[]

starting algorithm now.

************ hsize = 6

Q[0] = -0.18    dQ = 0.16         |H| = 5

  join: 2 -> 3  (1 -> 2)

Q[1] = -0.02    dQ = 0.16         |H| = 4

  join: 7 -> 6  (1 -> 2)

Q[2] = 0.14     dQ = 0.12         |H| = 3

  join: 4 <- 5  (2 <- 2)

Q[3] = 0.26     dQ = -0.04        |H| = 2

  join: 4 <- 3  (2 <- 1)

Q[4] = 0.22

exited safely

那么最大模块性Q的聚合划分状态为：

1——2—— 3——4—— 5——6

最大模块性 Q[3] = (2/10 - (3/10)^2) *2  +   (2/10 - (4/10)^2)  = 26/100 = 0.26