community detection
记录社团检测相关东西
叨叨的板栗
这个作者很懒,什么都没留下…
展开
-
拓扑性质之聚类系数
节点聚类系数描述节点的邻居节点之间互连的概率网络的聚类系数C:网络中所有节点的聚类系数的平均值C=1N∑i=1NCiC=\frac{1}{N}\sum_{i=1}^{N}CiC=N1i=1∑NCi其中CiCiCi:网络中一个度为kikiki的节点iii的聚类系数Ci=Eiki(ki−1)/2=2Eiki(ki−1)Ci=\frac{Ei}{ki(ki-1)/2}=\frac{2Ei}{ki(ki-1)}Ci=ki(ki−1)/2Ei=ki(ki−1)2Ei其中,EiEiEi:节原创 2020-06-25 16:44:25 · 4219 阅读 · 1 评论 -
标签传播算法(LPA)
算法步骤为网络中每个节点设置一个唯一的标签,并将其作为单独的社团。通常以节点的序号作为初始标签。遍历所有节点,按以下标签传播规则更新每个节点的标签:选择其邻居节点数值最大的那个标签作为节点的标签。当数值最大的标签不唯一时,随机选择一个标签去更新节点标签迭代执行步骤2,直到所有节点标签不再更新或达到迭代次数,算法结束。具有相同标签的节点集就认为是一个社团优点思想简单,易于实现,效率较高具有近似线性时间复杂度缺点迭代更新过程中随机选取节点更新标签,导致算法不稳定容易形成巨型社区初原创 2020-06-24 22:08:39 · 1231 阅读 · 0 评论 -
节点相似性指标
在线编辑公式地址基于局部信息的节点相似性指标对于一般的网络,两个节点的共同邻居的数量越多,这两个节点越相似,也就更倾向于相互连接。其中: Γ(x)\Gamma (x)Γ(x) 为节点x的邻居节点的集合k(x)=∣Γ(x)∣k(x)=\left | \Gamma (x) \right |k(x)=∣Γ(x)∣为节点x的度1.共同邻居(CN)Sxy=∣Γ(x)∩Γ(y)∣Sxy=\left | \Gamma (x)\cap \Gamma (y) \right |Sxy=∣Γ(x)∩Γ(y)∣原创 2020-06-24 21:38:20 · 4402 阅读 · 0 评论