本文探讨了网络社区的定义，强调高权重边在维持网络结构中的重要性，并介绍了模块度（Modularity）作为衡量社区结构的标准。文章详细阐述了Louvain算法的基本流程，并指出其在处理节点多重归属问题上的局限性，最后提到了BigCLAM算法解决重叠社区的方案，以及谱聚类在社区发现中的应用。
Community structure in networks
1、Community
- 将真实网络中的边，从高权重到低权重删除，与从低权重到高权重删除进行对比，可以看到高权重边在维持网络流通性方面较低权重边更重要。
- 若将权重替换为边的重复度，会得到更显著的结果。
Granovetter的理论引出了以下网络的概念图景：
2、Network communities
网络社区的定义：具有大量内部连接和很少的外部连接(到网络的其余部分)的节点集。
那么我们如何识别节点的集合(社区、模块、集群)呢？
因为社区是紧密连接的节点集，故定义 M o d u l a r i t y Modularity Modularity（模块度） Q Q Q 来度量一个网络划分成社区的程度。给定一个将节点分成互不相交的组的网络 s ∈ S s ∈ S s∈S，有：
这个式子的结果衡量的是：到底图里的边或边的权重比我们预想的多多少？如果多很多那说明存在一个社区，少很多说明是 b r i d g e bridge bridge。那这里的 e x p e c t e d expected expected 是怎么来的呢？再一次请出零模型
需要一个空模型（ N u l l m o d e l Null\ model Null model）作为基准。
给定一个拥有 n n n 个节点和 m m m 条边的真实网络 G G G ，构建重连边的随机网络 G ’ G’ G’
- G ’ G’ G’具有相同的度分布但随机进行连接
最低0.47元/天 解锁文章
1851
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
