Question

我使用来自R中igraph的cluster_infomap函数来检测具有~19,000个边缘的无向，未加权网络中的社区，但每次运行该函数时，我都会获得不同数量的社区。这是我正在使用的代码：

   clusters <- list()
   clusters[["im"]] <- cluster_infomap(graph)
   membership_local_method <- membership(clusters[["im"]])
   length(unique(membership_local_method))

在我执行的测试中，最后一行代码的结果范围为805-837。我尝试使用set.seed（），以防它是随机数生成的问题，但这并没有解决问题。

我的问题是（1）为什么我每次都会得到不同的社区，（2）有没有办法让它稳定下来？

谢谢！

Answer 1

cluster_infomap（请参阅?igraph::cluster_infomap寻求帮助）找到

社区结构，最小化预期的描述长度一个随机的步行者轨迹

每当您处理随机数生成时，每次运行都会得到不同的结果。大多数情况下，您可以事先使用set.seed设置种子（请参阅?Random寻求帮助）来覆盖此内容：

identical(cluster_infomap(g), cluster_infomap(g))
# [1] FALSE
identical({set.seed(1);cluster_infomap(g)},{set.seed(1);cluster_infomap(g)})
# [1] TRUE

或图形化：

library(igraph)
set.seed(2)
g <- ba.game(150)
coords <- layout.auto(g)
par(mfrow=c(2,2))

# without seed: different results
for (x in 1:2) {
  plot(
    cluster_infomap(g), 
    as.undirected(g), 
    layout=coords, 
    vertex.label = NA, 
    vertex.size = 5
  )
}

# with seed: equal results
for (x in 1:2) {
  set.seed(1)
  plot(
    cluster_infomap(g), 
    as.undirected(g), 
    layout=coords, 
    vertex.label = NA, 
    vertex.size = 5
  )
}

为什么igraph R中的cluster_infomap每次都会给不同的社区？

1 个答案: