社团发现算法

什么是社区？

一个社区就是一个包含比其他图的节点之间连接更加稠密的子图；一个图是一个社区结构当且仅当任意子图内的连接数量比子图之间的连接数目多得多。

同一社区内的节点与节点之间的连接很紧密，而社区与社区之间的连接比较稀疏。

 

Newman和Girvan于2004年提出了Modularity的概念。

所谓Modularity是指网络中连接社区结构内部顶点的边所占的比例与另外一个随机网络中连接社区颞部顶点的边所占的比例的期望值相减得到的差值。

经典社团发现方法

基于凝聚与分裂；基于派系过滤；其他方法（基于谱分析、边图、标签传播）

局部社团方法的一般过程

1）选取初始种子作为初始的局部社团

2）局部社团的扩张

3）重复步骤2直至不存在能够加入到局部社团的节点为止

社团结构划分结果的评价标准

标准互信息量 NMI

常用作人工合成网络模型生成的人工网络的评估标准

NMI 的值偏小时，两个社团划分的相似度比较低； NMI 的值越接近 1 ，那么两个社团划分的相似度越高

模块度函数Q

值越接近于 1 ，则代表划分的社团结构越好

不适用于重叠社团结构

扩展模块度函数EQ

在 EQ 的基础上考虑了社团之间的重叠节点，适用于重叠社团结构