是否有一种根据Jaccard相似性对图表进行聚类的有效方法？

Question

是否有一种有效的方法使用Jaccard相似性对图中的节点进行聚类，使得每个群集至少有K个节点？

节点i和j之间的Jaccard相似性：
让S成为i和T的邻居集合j的邻居。然后，i和j之间的相似性由|(S ⋂ T)| / |(S ⋃ T)|给出。

Answer 1

您是否尝试过自己实施某种算法？

计算所有成对的非零相似性（即，当它们至少有一个相邻的邻居时;这使得候选集远小于平方矩阵。）

按相似性对它们进行排序，并以相似性降低的方式处理对。最初，每个对象都是他们自己的集群。

如果A和B尚未在同一个群集中，并且任一群集的成员少于k个，请加入这两个群集。重复，直到处理完所有相似之处。

请注意，您最终可能会拥有少于k个成员的群集。例如，如果您的数据集总数少于k个节点，或者有少量子图未连接等。

你真的应该接受少于k个节点的集群，即非集群节点。为什么一切都会聚集？实际数据中总会存在异常值和噪声。