模块度(Modularity)与Fast Newman算法讲解与代码实现

原创文章，转载请注明，谢谢~

一、背景介绍
  Modularity(模块度), 这个概念是2003年一个叫Newman的人提出的。这个人先后发表了很多关于社区划分的论文，包括2002年发表的著名的Girvan-Newman(G-N)算法，和2004发表的Fast Newman(F-B)算法，Modularity就是F-B算法中提出的（03年提出的概念，04年确认发表）。
  在2006年的时候Newman重新定义了Modularity，实际上只是对原来的公式做了变换，使其适用于Spectral Optimization Algorithms。
  早期的算法不能够很好的确认什么样的社区划分是最优的。Modularity这个概念就是为了定义一个对于社区划分结果优劣的评判。

二、Modularity
  我们先从06年的定义讲起：

$$Q = \frac{1}{2m}\sum_{vw}[A_{vw}-\frac{k_vk_w}{2m}]\delta(c_v,c_w) \tag{1}$$

  Q就是模块度，模块度越大则表明社区划分效果越好。Q值的范围在[-0.5,1），论文表示当Q值在0.3~0.7之间时，说明聚类的效果很好。
  我们现在假设有$x$个节点，每个节点都代表一个输入，并且我们已经将这些输入划分为了$N$个社区，节点彼此之间共有$m$个连接。$v$和$w$是$x$中的任意两个节点，当两个节点直接相连时$A_{vw}=1$，否则$A_{vw}=0$。$k_v$代表的是节点$v$的度，度是图论的基础知识，从一个节点出发有几个边，我们就说这个节点的度是多少。很容易理解，这里的$2m$实际就是整个图中的度（每个节点都计算一次度，那么每条边对应两个节点，所以要乘以2）。$\delta(c_v,c_w)$是用来判断节点$v$和$w$是否在同一个社区内，在同一个社区内`$\delta(c_v,c_w)=1$，否则 δ(c