有向圖中的louvain社區檢測

請學著自己長大，參考連接《無向louvain社團算法》

無向到有向的修改真的很簡單。如果你連這個都做不到，建議不要用了。每個算法與數據匹配的時候，都會對數據或者算法小修。如果你連小修都做不到的話，好好學習基礎內容了，別想著飛了。。。。。
而且，會看這個的都是剛入門的。。。。嘗試自己努力一把，畢竟這個還有指導你修改的方向。如果更深的，沒人指導，還做的出來嗎？

一、模塊度概念

公式可以簡化為：
$$\Delta Q=\frac{S_{i,in}}{w}?\frac{{\sum }_{tot}^{in}{S}_i^{out}+{\sum }_{tot}^{out}{S}_i^{in}}{w^2}$$

二、算法修改

louvain算法分為循環迭代兩個階段。具體的算法思路與無向加權網絡相同。可以看上一篇文章。
在最初的劃分過程中，有多少個節點就有多少個社團

• 第一階段

任意選擇一個節點vid,考慮其關注的節點(即出邊的鄰居)wid.這里與無向圖不同

將節點vid移動到wid所在的社區，

評估模塊度收益

S_vin:表示節點vid的入邊的權重總和=$S_i^{in}$
s_vout:表示節點vid的出邊的權重總和=$S_i^{out}$
tot_out:社區內部的節點指向社區外部節點的所有邊的權重之和=${\sum }_{tot}^{out}$
tot_in：社區外部的節點指向社區內部節點的所有邊的權重之和=${\sum }_{tot}^{in}$
k_vcin:表示節點vid與wid所在社區的連邊的權重之和

節點vid最終放入模塊度收益最大的它關注節點所在的社團，并且這個收益為正

三、圖片示意

文件。txt

101 103 3
102 103 1
102 105 2
102 102 4
103 105 2
104 101 2
105 103 1
107 106 3
107 204 2
201 105 1
201 202 2
202 201 3
202 203 3
203 202 3
203 201 4
203 204 1
204 107 3

總結

以上是生活随笔為你收集整理的【积】有向图中的louvain社区检测（二）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。