louvain算法python_【转载】LOUVAIN算法

最新推荐文章于 2024-08-13 20:19:51 发布

一兜糖家居APP

最新推荐文章于 2024-08-13 20:19:51 发布

阅读量1.8k

点赞数

文章标签： louvain算法python

本文链接：https://blog.csdn.net/weixin_34530489/article/details/111960922

版权

Louvain算法是一种基于模块度的社区发现算法，旨在最大化网络的模块度。它能发现层次结构并以高效的方式运行。算法流程包括将节点逐个合并到社区中，寻找最大模块度增量，重复此过程直到无变化。尽管节点访问顺序可能影响计算时间但不影响结果。最终，该算法提供层次化的社区结构。其优点包括易理解、非监督和快速计算。该算法有加速实现的论文，例如通过考虑节点周围一定比例的点进行归并。

摘要由CSDN通过智能技术生成

Louvain 算法来源于文章2010年的论文Fast unfolding of communities in large networks，简称为Louvian [1]。

算法原理

Louvain算法是基于模块度(Modularity)的社区发现算法，该算法在效率和效果上都表现比较好，并且能够发现层次性的社区结构，其优化的目标是最大化整个图属性结构(社区网络)的模块度。

其中需要理解的核心点有：

模块度Modularity的定义，这个定义是描述社区内紧密程度的值QQ；

模块度增量ΔQ\Delta Q，即把一个孤立的点放入一个社区C后，计算Modularity的变化，其中计算过程的要点是，首先计算1个点的Modularity，和社区C的Modularity，再计算合并后新社区的Modularity，新社区的Modularity减去前两个Modularity就是ΔQ\Delta Q。

对上述公式的理解是，将ΔQ\Delta Q展开其等价于1/2*(ki,in/m-Sumtot/m*ki/m)1/2 *( k_i,in / m - Sum_{tot} / m * ki / m )，其中kik_i,in/min/m表示的是将孤立的节点和社区C放在一起对整个网络 Modularity 的影响，而 Sumtot/mSum_{tot} / m 和 ki/mki / m 分别表示孤立的节点和社区C分开式分别对整个网络Modularity的影响，所以他们的差值就反应了孤立的节点放入社区C前后对整个网络Modularity的影响。

算法的计算过程如下：每个点作为一个community，然后考虑每个community的邻居节点，合并到community，然后看ΔQ\Delta Q࿱