Louvain 算法原理及设计实现

 

奇技指南

在海量的信息流中，通过精准的算法给用户推荐其感兴趣的内容，已经成为了一个产品吸引用户，获取收益的极其重要的方式。

本篇为算法系列文章，将为大家分享360的算法团队在实践中积累的算法知识及经验，欢迎大家交流分享~

Louvain算法是一种基于多层次优化Modularity的算法，具有快速、准确的优点，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，被认为是性能最好的社区发现算法之一。

模块度

Louvain算法是一种基于图数据的社区发现算法。

原始论文为：

《Fast unfolding of communities in large networks》。

Louvain算法的优化目标为最大化整个数据的模块度，

模块度的计算如下：

其中m为图中边的总数量，k_i表示所有指向节点i的连边权重之和，k_j同理。A_{i,j} 表示节点i，j之间的连边权重。

有一点要搞清楚，模块度的概念不是Louvain算法发明的，而Louvain算法只是一种优化关系图模块度目标的一种实现而已。

Louvain算法的两步迭代设计

最开始，每个原始节点都看成一个独立的社区，社区内的连边权重为0

步骤1

算法扫描数据中的所有节点，针对每个节点遍历该节点的所有邻居节点，衡量把该节点加入其邻居节点所在的社区所带来的模块度的收益。并选择对应最大收