基于边权重的图聚类

Posted 2023-03-12

【中文标题】基于边权重的图聚类

【英文标题】：Graph Clustering based on the edge weights

【发布时间】：2021-03-28 07:41:23

【问题描述】：

我使用 networkx 构建了一个图表，它是一个社交网络，以人为节点，消息频率为边权重。我想把这个网络聚集到不同的人群中。经常互相发信息的人往往在同一组中。我该怎么做？我应该使用哪种聚类算法？另外，如何像树状图一样可视化分组？

提前致谢！ :D P.S.：我尝试过使用 python-louvain 进行分区，但这会产生不准确的结果，例如即使他们的消息传递频率非常高，它也会将两个用户划分为不同的组

【参考方案1】：

我尝试过使用 python-louvain 进行分区，但结果不准确[...]

Louvain 方法并不完美，也没有完美的方法，它们始终取决于您要达到的目标（参见@​​987654321@ 的结论）。

[...] 就像它会将两个用户分成不同的组，即使他们的消息频率非常高。

看来这个用户可能属于多个社区...也许可以尝试一种允许重叠社区的分区方法，例如K-Clique。这种划分方法允许节点属于多个社区。​​p>

算法：

以下是我发现的一些替代算法：

networkX 包中已经包含许多算法（here）。我建议girvan_newman但这需要大量的计算能力...

CDLib 包还具有许多用于 networkX(here) 的算法，包括一些允许重叠社区的算法。另外，检查leiden algorithm，您可能更喜欢它而不是louvain，它应该更好（根据他们的paper）

我仍然建议使用python-louvain，用于清晰的社区

祝你好运！

【讨论】：

编辑了我的答案，看看有没有帮助！