模块度计算python代码_模块度与Louvain社区发现算法

Louvain算法是基于模块度的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区结构，其优化目标是最大化整个社区网络的模块度。

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只差，它的取值范围是 [−1/2,1)，其定义如下：

$$Q = \frac{1}{2m}\sum_{i,j}[A_{ij} - \frac{k_ik_j}{2m}]\delta(c_i,c_j)$$

$$\delta(u,v) = \{_{0\ else}^{1 when\ u == v}$$

其中，$A_{ij}$节点i和节点j之间边的权重，网络不是带权图时，所有边的权重可以看做是1；$k_i = \sum_jA_{ij}$表示所有与节点i相连的边的权重之和（度数）；$c_i$表示节点i所属的社区；$m=\frac{1}{2}\sum_{ij}A_{ij}$表示所有边的权重之和（边的数目）。

公式中$A_{ij} - \frac{k_ik_j}{2m}=A_{ij} - k_i\frac{k_j}{2m}$，节点j连接到任意一个节点的概率是$\frac{k_j}{2m}$，现在节点i有$k_i$的度数，因此在随机情况下节点i与j的边为$k_i\frac{k_j}{2m}$.

模块度的公式定义可以作如下简化：

$$Q = \frac{1}{2m}\sum_{i,j}[A_{ij} - \frac{k_ik_j}{2m}]\delta(c_i,c_j)$$

$$ = \frac{1}{2m}[\sum_{i,j}A_{ij} - \frac{\sum_ik_i\sum_jk_j}{2m}]\delta(c_i,c_j)$$

<