如何在igraph（R）社区检测后找到措施？

Question

我正在使用图表中的社区检测。我已经通过igraph中实现的不同社区检测算法和绘制社区结构。现在，在获得不同算法的社区对象之后，我想基于密度，切割比率，覆盖率等不同度量来比较算法。 （我知道模块化已经实现）。我可以获得一个子图，然后计算簇内密度，但要找到簇间密度，我不知道如何继续。这是我用来查找群集内密度的代码：

karate <- graph.famous("Zachary")
wckarate <- walktrap.community(karate) #any algorithm
subg1<-induced.subgraph(karate, which(membership(wckarate)==1)) #membership id differs for each cluster
intradensity1 <- ecount(subg1)/ecount(karate) #for each cluster

类似地，我可以继续每个群集并添加所有密度或取所有密度的平均值。我的问题是，如果社区数量非常大，那么如何进行？

如果我想提取不同社区之间的边数，有没有一种很好的方法来提取边数？

如果已经提出这个问题，请原谅我。我是igraph和R的新手。

Answer 1

好吧，我们可以调整你的代码来循环遍历不同的子组

karate <- graph.famous("Zachary")
wckarate <- walktrap.community(karate) #any algorithm
sapply(unique(membership(wckarate)), function(g) {
    subg1<-induced.subgraph(karate, which(membership(wckarate)==g)) #membership id differs for each cluster
    ecount(subg1)/ecount(karate)
})

就获得社区之间的优势而言，你可以做到

#get all combinations of communities
cs <- data.frame(combn(unique(membership(wckarate)),2))
cx <- sapply(cs, function(x) {
    es<-E(karate)[V(karate)[membership(wckarate)==x[1]] %--% 
              V(karate)[membership(wckarate)==x[2]]]    
    length(es)
})
cbind(t(cs),cx)

此外，您可以绘制社区，以确保看起来合理

plot.communities(wckarate, karate)