1

我有一个时间多层网络，我想通过使用模块化最大化来找到社区。

我想知道 Python 中是否有等效版本的 Matlab GenLouvain 来最大化社区检测的模块化？

初步搜索得到了这个库，但是对应的 GitHub 存储库已经不见了。

https://pypi.org/project/louvain/

还有其他几种算法，例如 Leiden 算法 ( https://www.nature.com/articles/s41598-019-41695-z ) 用于通过 python 实现最大化模块化 ( https://github.com/vtraag/leidenalg )但我目前正在尝试探索我的选择，并在我拥有的超模块化矩阵上运行不同的求解器。所以，我想从旧的 GenLouvain 开始，然后将不同的求解器与 python 实现进行比较。

有没有人有什么建议？

4

2 回答 2

0

我目前使用来自 leidenalg 的 CPMVertexPartion 来分析我的网络。通过改变分辨率参数，我可以找到最大的模块化 Q。我的网络是密集的，beta 大约 >10，并且模块化可以提高到 0.5

于 2021-02-15T09:08:33.167 回答
0

我发布这个问题已经有一段时间了，但如上所述，我发现leidenalg是 Python 中用于多层模块化最大化（MMM）的最佳实现，它改进了中间细化步骤，适当地处理了任意断开的社区。

这是我用来实现带有配置空模型的 MMM 的一段代码。

def leiden(self, G, interslice, resolution):
    ## G: the appropriate igraph as explained in the documentation
    ## interslice: float, interlayer edge weights for the diagonal coupling of consecutive layers
    ## resolution: float, spatial resolution parameter
    
    layers, interslice_layer, G_full = la.time_slices_to_layers(G, interslice_weight = interslice)
    
    partitions = [la.RBConfigurationVertexPartition(H, 
                                        weights = 'weight', 
                                        resolution_parameter = resolution) for H in layers]

    ## resolution parameter below has to be 0 to recover the original multilayer modularity equation
    interslice_partition = la.RBConfigurationVertexPartition(interslice_layer, 
                                                             weights = 'weight',
                                                             resolution_parameter = 0)
                                                 
    optimiser = la.Optimiser()
    
    diff = optimiser.optimise_partition_multiplex(partitions + [interslice_partition])

    return(partitions, interslice_partition)

话虽如此，MMM 并不是执行动态社区检测的最佳方法。文献中有更多的时间社区检测工具正在利用随机游走、随机块模型、张量分解方法，应该检查一下。

于 2021-02-24T15:40:14.933 回答