社区发现(社团检测)模块度Modularity详细介绍

最新推荐文章于 2023-09-05 23:09:34 发布
最新推荐文章于 2023-09-05 23:09:34 发布
阅读量1.4w 收藏 41
点赞数 10
文章标签： 社区发现 社团检测 模块度 Modularity 复杂网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38427201/article/details/88536776
版权

模块度(Q值)：用来衡量社区划分的好坏。值得注意的是，衡量社区的指标还有NMI（标准互信息）、兰德指数。

         模块度函数是由Newman和Girvan在2004年提出的一种用于评估社区划分的全局目标函数，其定义如

公式表示如下：

在上述公式中，Aij是整个网络对应的邻接矩阵的任意元素（这里只考虑无向无权图的情况）。若i与j有连接的话，则Aij=1，否则Aij=0。是网络的总边数。任意节点的度数为ki=\sum jAij。节点所在的社区为

最低0.47元/天 解锁文章
IT_man3
关注
  • 10
    点赞
  • 踩
  • 41
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
模块度(Modularity)与Fast Newman算法讲解与代码实现
marywbrown的博客
03-14 6万+
模块度（Modularity）是由Newman提出的一种衡量社区划分好坏的标准，由04年提出，06年由扩展为另一种形式。本文详细讲解了两种形式的模块度计算和理解，并同时讲解了模块度的矩阵划归形式。文章最后附上用matlab实现模块度的代码。
community 计算模块度_社区检测（community detection）
weixin_36193418的博客
12-24 1630
社区检测(community detection)又被称为是社区发现，它是用来揭示网络聚集行为的一种技术。社区检测实际就是一种网络聚类的方法，这里的“社区”在文献中并没有一种严格的定义，我们可以将其理解为一类具有相同特性的节点的集合。近年来，社区检测得到了快速的发展，这主要是由于复杂网络领域中的大牛Newman提出了一种模块度(modularity)的概念，从而使得网络社区划分的优劣可以有一个明确...
社区划分的标准--模块度
热门推荐
I am not a quitter.
05-08 4万+
在社区发现算法中，几乎不可能先确定社区的数目，于是，必须有一种度量的方法，可以在计算的过程中衡量每一个结果是不是相对最佳的结果。
社团结构与模块度
weixin_42374938的博客
09-03 3893
一、社团结构的描述 如上图，每个社团内部的节点之间的连接相对较为紧密，各个社团之间的连接相对来说比较稀疏。 生活中许多实际网络都具有较为明显的社团结构。 社团结构分析与计算机科学中的图分割和社会学中的分级聚类等有着密切的关系。图分割问题的一个实际例子是并行计算，找到这类分割问题的精确解是一个NP难题，当图的规模很大时不存在有效解法。分级聚类是寻找社会网络中社团结构的一类传统算法。它基于各个节点之间连接的相似性或者强度，把网络自然的划分为各个子群。根据向网络中添加边还是从网络中移除边，这类算法又可以分为两类
社区发现（子区划分）：模块度及模块度增量计算公式推导
最新发布
weixin_42639395的博客
09-05 1964
介绍社区发现（子区划分/网络聚类）的基本概念：模块度以及模块度增量； 对其中的重要公式进行推导、证明
Modularity的计算方法——社团检测中模块度计算公式详解（转）
小北风的博客
05-20 7939
文章转自http://www.yalewoo.com/modularity_community_detection.htmlModularity，中文称为模块度，是 Community Detection（社区发现/社团检测） 中用来衡量社区划分质量的一种方法。要理解Modularity，我们先来看社团和社团检测的概念。社团检测社团检测，就是要在一个图（包含顶点和边）上发现社团结构，也就是要把图中...
Modularity,模块化应用程序架构.zip
09-25
这些模块之间通过清晰定义的接口进行通信，降低了系统间的耦合度，提高了代码的可重用性和可维护性。在“Modularity”项目中，我们可以看到如何在实际的软件开发过程中实现这一原则。 模块化设计的核心理念包括： ...
社团检测经典算法实现 python
11-08
例如，可以使用`community.modularity`计算给定分区的模块度，或者使用`community.generate_graph()`生成表示社区结构的新图。 通过学习和理解`python-louvain`的实现，你不仅可以掌握Louvain算法，还能深入研究...
Java 9 Modularity: Patterns and Practices
10-14
Java 9 Modularity: Patterns and Practices for Developing Maintainable Applications 1st Edition by Sander Mak (Author), Paul Bakker (Author) Paperback: 300 pages Publisher: O'Reilly Media; 1 edition (September 25, 2017)
igraph包里面常用的社区检测算法--以模块度为优化目标
baidu_37995814的博客
04-24 1万+
本文所罗列的社区检测算法主要是igraph包里面的社区检测算法及对网络进行社区划分的应用，便于对社区检测方向有研究兴趣的小伙伴来研究。 1、社区检测算法目录：算法后面的[]里面的内容是提出该算法的人和年份 #(1) nx.k_clique_communities(G, 3) [Newman 2005] 应用较多，性能一般 #(2) fastgreedy.communit...
模块度
洛豳枭薰
12-19 7833
一、引入： GN算法是找到复杂网络中的最大边介数，然后删除该边界，通过类似于层次聚类的方式（分裂节点），产生不同的社区。 缺点：无法确定好产生层次，即划分为多少个社区。 改进：引入模块度：衡量社区结构划分的质量 二、模块度公式： 两种思路，但是殊途同归 （1） tre表示迹，每一个社区内部的边数 ||e^2||ai表示社区i内部的点所关联的所有的边的数目与总边数的比例 (但是这句话
模块度函数
qq_42618228的博客
08-03 728
模块度函数的理解 注：文章中的Q计算部分 Q=12×2[(0−2×22×2×1+0+(1−2×12×2×1)]+12×2[0+(0−1×12×2)+0]+12×2[(0−1×12×2)×1+(1−1×22×2)×1+0]Q = \frac{1}{2\times2}[(0-\frac{2\times2}{2\times2}\times1+0+(1-\frac{2\times1}{2\times2}\times1)]+\frac{1}{2\times2}[0+(0-\frac{1\times1}{2\time
模块度是什么
weixin_42578963的博客
01-10 1334
模块度是社会网络分析中常用的一种度量指标，用来衡量一个网络的结构特性。它表示网络中不同社区之间的聚集程度。通常情况下，模块度值越高，说明网络中存在的社区越明显、越紧密。 模块度可以通过计算网络中各个节点所在社区内部边的数量(即内部边数)与整个网络中边的数量(即全部边数)之间的比例来计算。 公式如下： Q = (L - (1/2m)S^2 ) / (1/2m) 其中，L是网络中所有社区的内部边数之...
社区--模块度
zeros的博客
03-29 1852
在复杂网络中，社区具有很重要的一个特征，就是社区在内部的节点相似度较高，而在社区外部的节点相似度较低。 模块度就是基于这种性质提出的，定义为社区内部的总边数和网络中总边数的比例减去一个期望值，该期望值是将网络设定为随机网络时同样的社区分配所形成的社区内部的总边数和网络中总边数的比例的大小。 定义如下： 其中 表示社区i内的边的数量占整个网络总边数的比例， 表示社区i所关联的所有的边的数目与总边数的比例。 全局模块度的完整推导步骤： 假设cv和cw 分别表示点v和点w所在的两个社...
Modularity（模块性）
知之可否
03-04 1万+
Modularity也是一种非常有名的衡量社区划分质量的度量方式。 公式是 其中 是社区边的两个顶点都在社区Cck中的比例，公式后面一项表示表示边至少有一个顶点在社区Cck中的比例。与归一化割不同，高的模块性表示社区内部链接密度高，之间稀疏。模块性的缺点：偏向大的社区。
转：模块度(Modularity)与Fast Newman算法讲解与代码实现
weixin_30256901的博客
08-16 2226
https://blog.csdn.net/marywbrown/article/details/62059231 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，Modu...
Modularity（模块化）
SeriousLose
06-21 472
模块化的好处 可维护性， 每一个模块都是独立的。 良好的设计能够极大的降低项目的耦合度。 以便于其能独立于别的功能被整改。 至少维护一个独立的功能模块，比维护一坨凌乱的代码要容易很多。 减少全局变量污染， 前端开发的初期，我们都在为全局变量而头疼，因为经常会触发一些难以排查且非技术...
modularity计算模块度的函数实现
06-11
计算模块度的函数实现可以根据不同的算法进行选择，以下是一些常用的算法： 1. Newman-Girvan 算法： ```python def modularity(graph, communities): m = graph.sum() / 2 Q = 0 for group in communities: subgraph = graph[np.ix_(group, group)] lc = subgraph.sum() / 2 dc = subgraph.sum(axis=1) ec = np.sum(graph[group], axis=0) Q += lc / m - np.sum(dc * ec) / (2 * m ** 2) return Q ``` 2. Clauset-Newman-Moore 算法： ```python def modularity(graph, communities): m = graph.sum() / 2 Q = 0 for group in communities: subgraph = graph[np.ix_(group, group)] lc = subgraph.sum() / 2 dc = subgraph.sum(axis=1) ec = np.sum(graph[group], axis=0) Q += lc / m - np.sum(dc * ec) / (2 * m ** 2) return Q ``` 3. Blondel-Guillaume-Lambiotte-Lefebvre 算法： ```python def modularity(graph, communities): m = graph.sum() / 2 Q = 0 for group in communities: subgraph = graph[np.ix_(group, group)] lc = subgraph.sum() / 2 dc = subgraph.sum(axis=1) ec = np.sum(graph[group], axis=0) Q += lc / m - (np.sum(dc) / (2 * m)) ** 2 - (np.sum(ec) / (2 * m)) ** 2 return Q ``` 这些算法的实现可能有所不同，但基本思想都是一致的。它们根据社区内节点的度数和边权重来计算模块度，从而评估社区的质量和紧密程度。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值