Question

我想检测小型网络/图表中的重叠社区。通过重叠，我的意思是节点可以包含在检测算法输出中的多个社区/集群中。

我查看了igraph目前提供的各种社区检测算法，但我认为它们都没有处理重叠社区。

理想情况下，我希望能够以编程方式在Python中利用这些算法的一些实现。但是，用其他语言实现也是可以的。

Answer 1

我已经使用igraph的Python接口实现了Ahn等人的hierarchical link clustering算法;请参阅其源代码here。

另外，使用igraph在Python中实现CFinder相当容易;这就是我提出的：

#!/usr/bin/env python
from itertools import combinations

import igraph
import optparse

parser = optparse.OptionParser(usage="%prog [options] infile")
parser.add_option("-k", metavar="K", default=3, type=int,
        help="use a clique size of K")

options, args = parser.parse_args()

if not args:
    parser.error("Required input file as first argument")

k = options.k
g = igraph.load(args[0], format="ncol", directed=False)
cls = map(set, g.maximal_cliques(min=k))

edgelist = []
for i, j in combinations(range(len(cls)), 2):
    if len(cls[i].intersection(cls[j])) >= k-1:
        edgelist.append((i, j))

cg = igraph.Graph(edgelist, directed=False)
clusters = cg.clusters()
for cluster in clusters:
    members = set()
    for i in cluster:
        members.update(cls[i])
    print "\t".join(g.vs[members]["name"])

Answer 2

如果你不介意使用其他编程语言，你有CFinder（Java），它基于clique percolation（它基本上寻找紧密连接的派系），OSLOM（C ++），这可以优化统计指标，当然还有其他措施。

否则，如果您想坚持使用python，您还可以通过Evans & Lambiotte '09应用该方法：1）将图形转换为折线图，2）对其应用常规社区检测方法，例如使用igraph，和3）获得重叠的社区。如果原始图形不是太大，将图形转换为折线图看起来并不太复杂，应该很快。在任何情况下，它都比执行社区检测本身更快。

注意有一些替代方法可以用于Evans＆amp; Lambiotte通过常规（互斥社区）方法获取重叠社区，例如Bennet et al. '12或Wang et al. '09。但是，实施它们似乎不太直接。

Answer 3

根据此blog，networkx现在可以计算重叠社区。

以下代码适用于clique渗滤方法，可在Networkx 11.6中找到。 Github here

import networkx as nx
from itertools import combinations

def get_percolated_cliques(G, k):
perc_graph = nx.Graph()
cliques = list(frozenset(c) for c in nx.find_cliques(G) if len(c) >= k)
perc_graph.add_nodes_from(cliques)

# Add an edge in the clique graph for each pair of cliques that percolate
for c1, c2 in combinations(cliques, 2):
    if len(c1.intersection(c2)) >= (k - 1):
        perc_graph.add_edge(c1, c2)

for component in nx.connected_components(perc_graph):
    yield(frozenset.union(*component))

Answer 4

实施Clique Percolation Method (CPM)的CFinder。如果你使用python，Networkx已经实现了相同的（see this link）。

>>> G = nx.complete_graph(5)
>>> K5 = nx.convert_node_labels_to_integers(G,first_label=2)
>>> G.add_edges_from(K5.edges())
>>> c = list(nx.k_clique_communities(G, 4))
>>> list(c[0])
[0, 1, 2, 3, 4, 5, 6]
>>> list(nx.k_clique_communities(G, 6))

Answer 5

Python networkx库现在具有更广泛的社区检测算法。现在，卡拉给出的示例是：

>>> from networkx.algorithms.community import k_clique_communities
>>> G = nx.complete_graph(5)
>>> K5 = nx.convert_node_labels_to_integers(G,first_label=2)
>>> G.add_edges_from(K5.edges())
>>> c = list(k_clique_communities(G, 4))
>>> list(c[0])
[0, 1, 2, 3, 4, 5, 6]
>>> list(k_clique_communities(G, 6))
[]

社区文档在这里：https://networkx.github.io/documentation/latest/reference/algorithms/community.html

使用图形或其他库重叠社区检测

5 个答案: