如何在边缘加权网络/图中进行社区检测？

2018-06-24 09:36:30

我的一般问题是：如何在加权无向社交网络/图中进行社区检测？我想要Cluster的数据集看起来像这样，

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

在我的数据集中，我有多个药物节点，它们之间的权重表示药物之间的相似性。我想要将具有较高权重的节点连接在一起的较小群集中的连接节点聚集在一起，即某种最小割。我可以使用哪种聚类算法对这类数据集进行聚类; 最好来自Scikit-learn或NetworkX？

我已经尝试过中文Whispers，但由于图CW的密集连接最终给了两个大集群。任何建议/建议将不胜感激。

分层聚类可以做到这一点。

但是你需要一个适用于稀疏图表的实现，以及相似性而不是距离。

我在看的答案是“社区检测算法”。 Louvain Modularity算法是一种加权/不加权的平坦聚类算法。该算法的实现可在GEPHI（旧版本）中找到。

链接地址: http://www.djcxy.com/p/68357.html