解釋圖論中的社區結構

好吧，我有這樣一個文件。解釋圖論中的社區結構

5 1211 11 
18 25 11 
12 281 11 
522 569 11 
46 269 11 
46 1854 11 
544 2324 11 
544 1955 11 
10 795 11 
246 982 11 
37 1500 11 
2 1154 11 
11 911 11 
200 281 11 
512 663 11 
197 663 11 
181 202 11 
1 124 11 
14 636 11 
14 1616 11 
578 1743 11

的前兩列表示節點（人）和第三列表示，它們遵循（同在這種情況下），而他們發送消息在一段時間內的特定圖案。節點實際上代表在同一辦公室工作的人員。現在，我繪製它們的曲線圖 This is the graph of the nodes following a particular pattern.

現在，我使用的團體命令與算法walktrap.community使用R.我再次得到了圖作爲， after applying communities

我真的想知道這些分組意味着。我知道他們已經考慮到了模塊性。但是這些分組實際上代表了什麼？我在很多研究論文上閱讀了這篇文章，但沒有發現任何相關內容。

來源

2014-07-12 user3797829

請添加'算法'標籤。 –

好吧！這樣做。 – user3797829

也看看http://en.wikipedia.org/wiki/Community_structure –

不知道這是你在問什麼，不過......

社區是聚類的網絡的形式。基本思想是給定社區中的節點（頂點）與該社區中的其他節點「連接更多」，而不是其他社區中的節點。在您的簡單示例中，節點46連接到節點269和1854，但這三個節點未連接到任何其他節點，因此它們形成一個社區。類似地，節點11和911彼此連接，但不連接到任何其他節點，因此它們形成一個社區。「更多連接」的定義取決於用於識別社區的算法（進行聚類）。

編輯對OP評論的迴應。

從文檔：

該函數試圖找到密集的連通子，也可以通過隨機遊動稱爲圖形社區。這個想法是，短期隨機走往往留在同一個社區。

下面是一個例子：

library(igraph) 
# create a sample graph 
g <- graph.full(5) 
for (i in 0:3) { 
    g <- g %du% graph.full(5) 
    g <- add.edges(g,c(5*i+1,5*(i+1)+1)) 
} 

wc <- walktrap.community(g) 
colors <- rainbow(max(membership(wc))) 
set.seed(1) # for reproducible layout 
plot(g,vertex.color=colors[membership(wc)], 
    layout=layout.fruchterman.reingold)

在這個例子中，每個子組（社區）是高度互連的，並且當簇相互連接，它們是沒有那麼。因此，從節點1-5開始的隨機漫步更可能在這些節點之間流通，而不是到達任何其他節點。因此節點1-5形成一個社區。

該算法詳細描述here。

來源

2014-07-12 20:08:02 jlhoward

你能給我一個簡單的例子，說明你最後一行的含義。我的意思是，你能解釋一下，更多的連接意味着什麼walktrap.community算法？謝謝。 :) – user3797829

[本文]（http://arxiv.org/abs/physics/0512106），來自'walktrap.community（...）'文檔，詳細描述了算法。 – jlhoward

非常感謝。 :) – user3797829

解釋圖論中的社區結構

回答

相關問題