k-派系过滤算法、团渗流算法、CPM算法 Python正确实现

k-派系过滤算法，也称为团渗流算法或CPM算法，是一个复杂网络重叠社团检测的经典算法，在2005年由Polla提出。
算法步骤分两步，
第一步：找出所有极大团(大于等于k阶)
第二步：将团视为节点，团与团之间的渗流关系视为边，此网络的连通分支即为k-连通社团。

算法在此处已经讲解的很清晰，也非常感谢小伙伴的分享。小伙伴贴示的Python代码是错的，花了本人不少时间改错。他的代码错误在重叠矩阵使用社团编号还原社团信息的地方，对社团进行编号会被覆盖，且对于两个子图无法合并，会造成某一社团是另一社团子集的错误结果。
算法本质上寻找团渗流图的连通分量，此处代码实现无需构造重叠矩阵，避免了重叠矩阵过大无法构造的问题。时间复杂度为e的n次方。
官方代码在networkxnx.algorithms.community.k_clique_communities()库中。
希望此处分享对后来者有所帮助，共同进步。

在此贴示正确代码：

def k_clique_communities(G, k, cliques=None):
  
    """
    References
    ----------
    .. [1] Gergely Palla, Imre Derényi, Illés Farkas1, and Tamás Vicsek,
       Uncovering the overlapping community structure of complex networks
       in nature and society Nature 435, 814-818, 2005,
       doi:10.1038/nature03607
    """
    if k < 2:
        raise nx.NetworkXError(f"k={k}, k must be greater than 1.")
    if cliques is None:
        cliques = nx.find_cliques(G)
    cliques = [frozenset(c) for c in cliques if len(c) >= k]

    # First index which nodes are in which cliques
    membership_dict = defaultdict(list)
    for clique in cliques:
        for node in clique:
            membership_dict[node].append(clique)

    # For each clique, see which adjacent cliques percolate
    perc_graph = nx.Graph()
    perc_graph.add_nodes_from(cliques)
    for clique in cliques:
        for adj_clique in _get_adjacent_cliques(clique, membership_dict):
            if len(clique.intersection(adj_clique)) >= (k - 1):
                perc_graph.add_edge(clique, adj_clique)

    # Connected components of clique graph with perc edges
    # are the percolated cliques
    for component in nx.connected_components(perc_graph):
        yield (frozenset.union(*component))


def _get_adjacent_cliques(clique, membership_dict):
    adjacent_cliques = set()
    for n in clique:
        for adj_clique in membership_dict[n]:
            if clique != adj_clique:
                adjacent_cliques.add(adj_clique)
    return adjacent_cliques
```python