社区发现
锦堇年
NLP学弱
展开
-
学习笔记(4)-社区发现评价指标
目前使用的主要有:Q(Modulartiy),Jaccard指数与Fsame值,NMI也是常用指标。c语言实现://当i和J属于同一个社团时,E函数等于l,否则等于0. 故只需计算同一社区的函数值double Modulartiy(int * cluster_assignment, int ** M, int vertices){ int i, j, k; int maxlabl原创 2015-12-25 15:05:23 · 4186 阅读 · 0 评论 -
学习笔记(5)-标签传播(LPA)小结
1、社区及社区发现: 网络图内部连接比较紧密的节点子集合对应的子图叫做社区(community),各社区节点集合彼此没有交集的称为非重叠型(disjoint)社区,有交集的称为重叠型(overlapping)社区。对给定的网络图寻找其社区结构的过程称为“社区发现”。大体上看,社区发现的过程就是一种聚类的过程。2、基本思想 标签传播算法是不重叠社区发现的经典算法,其基本思想是:将一个节点的邻居节点原创 2016-03-08 20:50:14 · 12709 阅读 · 1 评论 -
学习笔记(3)-重叠社区发现Copra算法
应师兄要求,阅读了有关重叠社区发现的文章Finding overlapping communities in networks by label propagation,文中提出了一种基于LPA的扩展算法COPRA,可以用于重叠社区的发现。简单来说,COPRA算法为每个节点添加了一个标签列表,列表的长度为算法的一个参数v,每个节点最多可以拥有v个标签,也即可以存在于最多v个社区之中。 此外,COPR原创 2015-12-25 12:42:38 · 13921 阅读 · 21 评论 -
学习笔记(2)-标签传播算法伪代码实现
算法名称:社区发现中的标签传播算法(LPA) 算法输入:无向无权图邻接矩阵AdjacentMatrix,节点个数VerticeNum 算法输出:存储节点标签的分类数组Community//初始化每个节点的标签For i <- 0 to VerticeNum Do Community[i] <- i //寻找i节点的所有邻居存入Neighbor[i] FindMaete原创 2015-12-12 15:05:18 · 4697 阅读 · 1 评论 -
重叠社区发现-LFM算法
#coding=utf-8from numpy import *#文件读取def LoadAdjacentMatrixData(filename,vertices): Adjmartrix = [[0 for col in range(vertices)] for row in range(vertices)] file_object = open(filename, 'r')原创 2016-05-01 13:13:21 · 10397 阅读 · 9 评论