用于社区检测的 Louvain 方法旨在优化模块化,从而在给定图中检测社区。在加权图的情况下,假设具有较高权重的边将优先成为社区的一部分而不是具有较低权重的边,同时优化模块化是否有效?
检测到的权重对鲁汶社区的影响
数据挖掘
图表
社区
2022-02-11 23:25:18
1个回答
是的,权重被解释为模块化背景下的连接强度。使用未加权模块化的解释,这可能是最容易看到的
社区内边的分数减去具有相同度数序列的随机图中的预期此类分数。
将邻接矩阵切换为加权邻接矩阵以获得加权模块化只是将其更改为
社区内总权重的分数减去随机加权图中每个顶点的总权重相同的预期此类分数。
也就是说,你必须小心。有一些社区检测方法确实将权重视为距离:
SO:社区检测算法中权重的含义
首次使用特定算法实现时,可能值得运行一个简单的示例;例如,与, 一个完美匹配的权重比另一个高得多,社区最终应该是两个s,并且您想知道它们是否包含高权重边缘或低权重边缘。