我有一个相对较大的图表,顶点:524 边:1125,真实世界的交易。边缘是定向的并且具有权重(包含是可选的)。我正在尝试调查图中的各个社区,并且基本上需要一种方法:
- 计算所有可能的社区
- 计算最佳社区数量
-返回每个(最佳)社区的成员/成员数
到目前为止,我已经设法将以下代码汇总在一起,该代码绘制了与各个社区相对应的颜色编码图,但是我不知道如何控制社区的数量(即绘制成员资格最高的前 5 个社区)或列出特定社区的成员。
library(igraph)
edges <- read.csv('http://dl.dropbox.com/u/23776534/Facebook%20%5BEdges%5D.csv')
all<-graph.data.frame(edges)
summary(all)
all_eb <- edge.betweenness.community(all)
mods <- sapply(0:ecount(all), function(i) {
all2 <- delete.edges(all, all_eb$removed.edges[seq(length=i)])
cl <- clusters(all2)$membership
modularity(all, cl)
})
plot(mods, type="l")
all2<-delete.edges(all, all_eb$removed.edges[seq(length=which.max(mods)-1)])
V(all)$color=clusters(all2)$membership
all$layout <- layout.fruchterman.reingold(all,weight=V(all)$weigth)
plot(all, vertex.size=4, vertex.label=NA, vertex.frame.color="black", edge.color="grey",
edge.arrow.size=0.1,rescale=TRUE,vertex.label=NA, edge.width=.1,vertex.label.font=NA)
因为边缘介数法的表现很差,所以我再次尝试使用 walktrap 方法:
all_wt<- walktrap.community(all, steps=6,modularity=TRUE,labels=TRUE)
all_wt_memb <- community.to.membership(all, all_wt$merges, steps=which.max(all_wt$modularity)-1)
colbar <- rainbow(20)
col_wt<- colbar[all_wt_memb$membership+1]
l <- layout.fruchterman.reingold(all, niter=100)
plot(all, layout=l, vertex.size=3, vertex.color=col_wt, vertex.label=NA,edge.arrow.size=0.01,
main="Walktrap Method")
all_wt_memb$csize
[1] 176 13 204 24 9 263 16 2 8 4 12 8 9 19 15 3 6 2 1
19 个集群 - 好多了!
现在假设我有一个“已知集群”及其成员列表,并且想要检查每个观察到的集群是否存在来自“已知集群”的成员。返回找到的成员的百分比。以下无法完成??
list<-read.csv("http://dl.dropbox.com/u/23776534/knownlist.csv")
ength(all_wt_memb$csize) #19
for(i in 1:length(all_wt_memb$csize))
{
match((V(all)[all_wt_memb$membership== i]),list)
}