louvain_partitions#
- louvain_partitions(G, weight='weight', resolution=1, threshold=1e-07, seed=None)[源代码]#
生成Louvain社区检测算法的每个级别的分区
Louvain社区检测算法是一种提取网络社区结构的简单方法。这是一种基于模块化优化的启发式方法。 [1]
每个级别的分区(算法的步骤)形成了社区的树形图。树状图是表示一棵树的图,每个级别表示G图的一个分区。顶层包含最小的社区,当您遍历到树的底部时,社区变得更大,总体模块化增加,从而使分区更好。
每个级别都是通过执行卢万社区检测算法的两个阶段来生成的。
- 参数
- G网络X图表
- weight字符串或无,可选(默认为“权重”)
保存用作权重的数值的边属性的名称。如果没有,则每条边的权重为1。
- resolution浮动,可选(默认值=1)
如果分辨率小于1,则该算法倾向于较大的社区。大于1有利于较小的社区
- threshold浮点,可选(默认值=0.0000001)
每个级别的模块化增益阈值。如果算法的两个级别之间的模块化增益小于给定阈值,则该算法停止并返回结果社区。
- seed整数、随机状态或无(默认)
随机数生成状态的指示器。见 Randomness .
- 产量
- 列表
集合列表(分区
G
)。每个集合代表一个社区,并包含组成该社区的所有节点。
工具书类
- 1
Blondel,V.D.等人。大型网络中社区的快速展开。J.Stat.机械制造10008,1-12(2008年)