louvain算法_图机器学习经典算法 louvain 完全解读

本文原创作者知乎主页链接为
https://www.zhihu.com/people/he-he-he-he-77-19-21

louvain 算是目前市面上提到的和使用过的最常用的社区发现算法之一了，除此之外就是 infomap，这两种。

模块度是评估一个社区网络划分好坏的度量方法，它的物理含义是社区内节点的连边数与随机情况下的边数之差，它的取值范围是 [−1/2,1)，其定义如下：

这个公式的含义一定要理解清楚才能体会到 louvain 背后的真谛。

为了更好的理解这里举一个具体的例子：

实际上的情况是这样的，假设我们有一个 graph 如上，这个社区 graph 中有 7 个 nodes，为了方便起见我们假设所有 edges 的权重均为1(带权的计算方式和下面是完全一样的)，这个时候我们先计算整个 graph 的边的权重 ：

(这里需要注意， 的计算是重复的，比如我们以 node 为当前节点的时候，计算了一次 edges 的权重之和，例如 和， 和 ， 和 . 当我们以node 为当前节点进行计算的时候，我们的计算是 和 ， 和 ， 和 。可以发现 和 这两个 nodes 进行 edges 的求和的时候， 和 实际上是重复计算了，因此实际上计算总的 edges 的权重之和的时候，每条edge 的权重都被重复计算了两次，所以 m 的公式前面有个 1/2.)

比如假设当前 ，，则(节点和自身之间不存在 edge，权重为 0)，(无 edge 连接，权重也是 0)，则对于 来说其计算结果为 3，同理，计算结果是2，则对所有的 nodes 都进行如上的两轮循环的遍历之后，得到的的计算结果是：

node 1：3  、 node2：2 、  node3：5、node4：2、node5：1、node6&#x