Ich studiere über Erkennungsgemeinschaften in Netzwerken.Community-Erkennung in Networkx
Ich bin Gebrauch IGRAPH und Python
Für die optimale Anzahl der Gemeinden im Hinblick auf die Modularität Maßnahme:
from igraph import *
karate = Nexus.get("karate")
cl = karate.community_fastgreedy()
cl.as_clustering().membership
Zur Versorgung die gewünschte Anzahl von Gemeinden:
from igraph import *
karate = Nexus.get("karate")
cl = karate.community_fastgreedy()
k=2
cl.as_clustering(k).membership
Allerdings mache ich das gerne mit networkx. Ich weiß, optimale Anzahl von Gemeinden in Bezug auf die Modularitätsmaß erhalten:
import community # --> http://perso.crans.org/aynaud/communities/
import fastcommunity as fg # --> https://networkx.lanl.gov/trac/ticket/245
import networkx as nx
g = nx.karate_club_graph()
partition = community.best_partition(g)
print "Louvain Modularity: ", community.modularity(partition, g)
print "Louvain Partition: ", partition
cl = fg.communityStructureNewman(g)
print "Fastgreed Modularity: ", cl[0]
print "Fastgreed Partition: ", cl[1]
Aber ich kann nicht die gewünschte Anzahl von Gemeinschaften erhalten. Gibt es dafür einen Algorithmus mit Networkx?
Dies ist eine sehr neue Arbeit, sondern ist äußerst nützlich: https : //journals.aps.org/prl/abstract/10.1103/PhysRevLett.117.078301 – Peaceful