标签传播算法(LPA)

LPA简介

什么是LPA

标签传播算法(Label Propagation Algorithm，LPA)，是一种基于标签传播的局部社区划分算法。LPA将Grpah中的每个节点打上唯一的标签，通过随机选择一个node作为起始节点，根据其相连节点的标签改变自己的标签，以此来对整个图进行遍历，每一次迭代，图局部标签进行更新，从而达到整个Graph的标签确定。

优点

1、逻辑简单，整个计算过程几乎为线性计算，迭代速度快；
2、无需借助其他评测，只依赖自身标签；
3、无需提前划分社区数量，完全由迭代后进行决定。

缺点

1、随机性强，首次选中的节点可能会对后续节点的确定产生影响，进而影响全局标签；
2、节点更新顺序不确定，每次迭代的结果也不确定。

计算过程

1、初始化所有节点，标属每个节点的唯一标签；
2、随机选择一个节点N，将该节点的邻居节点(X1-Xn)的标签进行统计，选择频次最多的一个标签Xi；
3、如果有多个标签频次相同，那么随机选择一个标签，将该标签赋予N；
4、重复2、3步，直到标签不再变化或者迭代次数足够。

代码实现

我们以networkx中集成的LPA算法为例，来说明每个步骤:

import networkx as nx
from networkx.algorithms.community import asyn_lpa_communities as lpa
import random

首先，导入networkx以及LPA

G = nx.karate_club_graph()

data = lpa(G,weight='weight',seed=random)
for i,v in enumerate(data):
    print(i,v)

其次，以networkx中的空手道数据为例，来运行一下

0 {0, 1, 2, 3, 7, 11, 12, 13, 17, 19, 21}
1 {10, 4}
2 {16, 5, 6}
3 {32, 33, 8, 9, 14, 15, 18, 20, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31}

然后，我们可视化看一下聚类的结果：

如图所示，可以看出最终的数据经过LPA分成了4簇，从算法到数据是不是简单的不要了。

重点来了，源码分析

我们来剖析networkx是如何实现LPA算法的。

#定义每个节点的标签，即每个节点所对应的索引值
labels = {n: i for i, n in enumerate(G)}
#设定一个起始和终止条件
cont = True
while cont:
    cont = False
    #将图中的节点列表化
    nodes = list(G)
    #打乱列表中的数据
    seed.shuffle(nodes)
    #选择一个节点开始
    for node in nodes:
    	#如果该节点为单独节点，则不需进行打标
        if not G[node]:
            continue
        #判断是否需要依赖权重计算
        if weight is None:
        	#在非权重图下，直接计算每个标签的个数，结果为“节点标签：标签个数”
            label_freq = Counter(map(labels.get, G[node]))
        else:
        	#定义字典
            label_freq = defaultdict(float)
            #遍历每个邻居节点的属性
            for _, v, wt in G.edges(node, data=weight, default=1):
            	#获取每个节点的权重值，结果为“节点标签：每个标签累计权重之和”
                label_freq[labels[v]] += wt
		#选择频率最高或者权重最大的那个value
        max_freq = max(label_freq.values())
        #获取该值对应的标签
        best_labels = [
            label for label, freq in label_freq.items() if freq == max_freq
        ]
		#判断该节点标签是否已经被新标签覆盖
        if labels[node] not in best_labels:
        	#随机选择一个标签覆盖原来的标签
            labels[node] = seed.choice(best_labels)
            cont = True
#返回最终划分社区
yield from groups(labels).values()

整体看起来，networkx实现的算法很简洁，是根据异步更新实现的。其中，对是否加载图权重的问题分别进行实现，用起来还是非常方便了。

trick

请大家看一看，这张图和上面那张有什么地方不一样呢？
很明显，上面图中有4种颜色，而这张图中有3种颜色，也就是说，同样的数据，同样的算法，但是结果不太一致，这是为什么？
这正是因为初始的节点选择不同，导致了不太一样的结果，那么在实际应用中，在满足使用条件的前提下，多进行几次计算，选择簇类比较少的结果，可以更好的在后面使用中，尽量避免因为簇的个数较多或者簇中数据单一，导致该簇数据不可用。
以上trick仅针对使用的例子数据，仅做参考。
好啦，以上就是我对LPA的一个简单的理解和介绍，如果大家有什么问题或者补充，请加我QQ：1143948594，随时交流！！！

附：论文地址：https://arxiv.org/pdf/0709.2938.pdf