Python中的iGraph：VertexDendrogram對象與VertexClustering對象之間的關係

Question

在Python中使用iGraph的社區檢測函數community_fastgreedy（），我得到了一個VertexDendrogram對象，我們將其稱爲V.然後使用V.as_clustering（）從VertexClustering對象中獲取VertexClustering對象樹狀圖。我知道社區是聚集在一起的，所以模塊化是最大化的，但我認爲樹狀圖對象始終保持合併，因此很難在樹狀圖上看到社區。

我的問題是：V.as_clustering（）的輸出如何對應樹狀圖中的社區之間的距離？

換句話說，每個社區都帶有一個代表性數字（例如Community [0]，Community [2]），那麼該數字如何與樹狀圖上的位置相對應？當樹狀圖合併到最大化模塊化的水平時，社區0和社區1是否彼此相鄰，並且社區12距離社區0比3更遠？

如果不是，那麼as_clustering函數決定輸出的順序（每個社區的數字）是如何？

在此先感謝。

Answer 1

當igraph中的算法產生VertexDendrogram時，它也可以選擇產生一個「提示」，它告訴我們在哪裏切割樹形圖（即在多少次合併之後）以獲得某種意義上最優的VertexClustering。例如，由community_fastgreedy()生成的VertexDendrogram提出樹狀圖應該在模塊化最大化的地方切割。在VertexDendrogram上運行as_clustering()只需使用聚類算法生成的提示將樹形圖平化爲聚類，但您可以通過將所需數量的聚類指定爲參數as_clustering()來覆蓋此設置。

至於兩個社區之間的「距離」：這是一件很複雜的事情，因爲大多數社區檢測方法不會爲您提供這些信息。它們只是產生一系列從單個頂點到大型社區的合併，並且在樹狀圖中沒有編碼的「距離」信息。換句話說，樹狀圖的分​​支沒有「長度」。你所能做的最好的可能是回到你的圖表並檢查社區之間的邊緣密度;這可能是親密度的一個很好的指標。例如：

cl = g.community_fastgreedy().as_clustering() 
comm1 = cl[0] 
comm2 = cl[1] 
edges_between = g.es.select(_between=(comm1, comm2)) 
print 2.0 * len(edges_between)/len(comm1) * len(comm2) 

如果您的圖形是定向的，則在最後一行中使用乘數1.0而不是2.0。