我在igraph包中使用InfoMap算法在有向和非加权图（34943顶点，206366边）上执行社区检测。在图中，顶点表示网站，边表示网站之间存在超链接。
运行算法后遇到的一个问题是，大多数顶点都具有单个大型社区的成员资格（32920或94％）。其余的顶点分散在数百个其他小社区中。
我尝试了nb.trials参数的不同设置（即50,100，现在运行500）。但是，这似乎没有太大改变结果。
我感到相当恼怒，因为算法的运行时间非常高，所以我每次都要等待结果（没有运气!!）。
非常感谢。
答案 0 :(得分：8)
感谢所有出色的评论。最后，我通过下载并运行Infomap的源代码来实现它，可以在http://www.mapequation.org/code.html获得。
由于许可证问题，最新代码尚未与igraph集成。
这解决了太多节点被“集中”到一个庞大的社区中的问题。
具体来说，我在命令行中使用了以下选项：-N 10 --directed --two-level --map
感谢Infomap项目的Martin Rosvall为我提供解决此问题的详细帮助。
对于感兴趣的读者，以下是有关此问题的更多信息：
当网络崩溃到一个主要群集时，通常是由于非常密集和随机的链接结构...在iGraph中实现的定向网络的代码中，远程传输被编码。如果许多节点没有外链，则远程传送的影响可能很大，因为它随机连接节点。我们在这里提供了新代码：http://www.mapequation.org/code.html可以对网络进行聚类，而无需编码使动态遍历所需的随机传送。有关详细信息，请参阅此文章：http://pre.aps.org/abstract/PRE/v85/i5/e056107
答案 1 :(得分：5)
我打算把它放在评论中，但结果太长了，难以用这种格式阅读，所以这是一个切线相关的答案。
您应该做的一件事是评估算法是否在寻找社区结构方面做得很好。您可以尝试可视化您的网络以建立：
这有助于您了解后续步骤。也许网络的结构需要不同的算法？
我认为对大型网络有用的一点是将边缘绘制为热图。如果将边存储在邻接矩阵中，这很容易做到。
为此，您可以使用image函数，将您的边矩阵作为参数z传递。希望这可以让您通过眼睛看到社区结构。
但是，您还想评估算法的正确性，因此您希望按照已分配给它们的社区对节点（邻接矩阵的行和列）进行排序。
另外需要注意的是，如果您的边缘被定向，则可能更难以通过眼睛评估，因为边缘可能出现在热图的对角线的两侧。您可以做的一件事是绘制underlying graph - 即邻接矩阵，假设您的边缘是无向的。
如果您的算法做得很好，您可能会看到对角线上的方块，每个检测到的社区都有一个块。