Wie funktioniert die Community-Erkennung in einem kantengewichteten Netzwerk/Graphen?

Question

Mein allgemeines Problem ist: Wie kann ich die Community-Erkennung in einem gewichteten ungerichteten sozialen Netzwerk/Graphen durchführen? Dataset, die ich wie folgt aussieht Cluster wollen,

DrugA, DrugB,Weight 
x,y,6 
y,z,9 
y,p,5 
x,p,3 

In meinem Dataset ich mehrere Knoten von Drogen haben und das Gewicht zwischen ihnen stellt die Ähnlichkeit zwischen dem drugs.I wollen mit den verbundenen Knoten in kleinere Cluster Cluster Knoten mit höheren Gewichten, die miteinander verbunden sind, dh eine Art Mindestschnitt. Welchen Clustering-Algorithmus kann ich verwenden, um diese Art von Datensatz zu clustern? vorzugsweise von Scikit-learn oder NetworkX?

Ich habe bereits chinesische Whispers ausprobiert, aber aufgrund der dichten Konnektivität von Graph CW enden zwei große Cluster. Alle Empfehlungen/Vorschläge würden sehr geschätzt werden.

Answer 1

Hierarchische Clustering kann dies tun.

Sie benötigen jedoch eine Implementierung, die mit spärlichen Graphen und Ähnlichkeiten statt mit Entfernungen arbeitet.

Answer 2

Die Antwort, die ich suchte, war "Community-Erkennungsalgorithmus". Der Louvain Modularity Algorithmus ist ein gewichteter/ungewichteter Flat Clustering Algorithmus. Eine Implementierung des Algorithmus ist in GEPHI (Alte Version) verfügbar.