7,129
个编辑
更改
跳到导航
跳到搜索
第463行：
第463行： + + + + + + + + + + + + +
→基于团结构的社团检测算法
|arxiv=physics/0506133|bibcode=2005Natur.435..814P}}
|arxiv=physics/0506133|bibcode=2005Natur.435..814P}}
</ref>将社团定义为 k-clique 的渗透集群。 为了做到这一点，需找到一个网络中的所有 <math>k</math>派系，即所有完整子图的 <math>k</math> 个节点。然后定义两个共享 <math>k-1</math>个节点的 '''k-cliques <math>k</math> -团 '''为相邻的 k-cliques ，即用于定义团图中的边。然后将社团定义为k-clique的最大并集，其中任意k-clique 可以通过一系列 k-clique 邻接，从任意 k-clique 到达其他 k-clique 。也就是说，社团只是团图中的连通组件。 由于一个节点可以同时属于几个不同的 k-clique 渗透簇，故社团之间可以相互重叠。
</ref>将社团定义为 k-clique 的渗透集群。 为了做到这一点，需找到一个网络中的所有 <math>k</math>派系，即所有完整子图的 <math>k</math> 个节点。然后定义两个共享 <math>k-1</math>个节点的 '''k-cliques <math>k</math> -团 '''为相邻的 k-cliques ，即用于定义团图中的边。然后将社团定义为k-clique的最大并集，其中任意k-clique 可以通过一系列 k-clique 邻接，从任意 k-clique 到达其他 k-clique 。也就是说，社团只是团图中的连通组件。 由于一个节点可以同时属于几个不同的 k-clique 渗透簇，故社团之间可以相互重叠。
====代码实现====
利用网络科学工具包[https://networkx.github.io/ NetworkX], 可以调用基于渗流方法的K-clique社团检测算法。示例如下：
<source>
# 导入算法包
from networkx.algorithms.community import k_clique_communities
# 构造图
G = nx.complete_graph(5)
K5 = nx.convert_node_labels_to_integers(G,first_label=2)
G.add_edges_from(K5.edges())
# 对图G进行社团检测，制定最小cliques=4
c = list(k_clique_communities(G, 4))
</source>
==社团检测算法的评价标准==
==社团检测算法的评价标准==