Question

我正在使用Walktrap社区检测方法返回一个数字（在本例中为19）的簇。我有一个属于这些集群中的一个或多个的成员列表。

我需要一种方法来搜索每个群集中是否存在成员并返回找到的匹配百分比。（例如簇[0] = 0％，cluster [1] = Y％..... cluster [18] = Z％）因此选择代表列表成员的最佳聚类。

找到最佳群集后，我需要一种方法来计算最佳集群的成员数量和原始集群的成员数量（19-1）簇选择另一个最接近的簇（成员人数）

 library(igraph)
 edges <- read.csv('http://dl.dropbox.com/u/23776534/Facebook%20%5BEdges%5D.csv')
 list<-read.csv("http://dl.dropbox.com/u/23776534/knownlist.csv")
 all<-graph.data.frame(edges)
 summary(all)
all_wt<- walktrap.community(all, steps=6,modularity=TRUE,labels=TRUE)
all_wt_memb <- community.to.membership(all,all_wt$merges,steps=which.max(all_wt$modularity)-1)
all_wt_memb$csize

>[1] 176  13 204  24   9 263  16   2   8   4  12   8   9  19  15   3   6   2   1

Answer 1

使用%in%函数时，如：a %in% b将确定向量a中的哪些元素也存在于向量b中。所以对于每个集群，我会

提取该群集的成员
给出您感兴趣的成员列表，计算哪些是%in%此群集 - 这将返回一个布尔向量
您可以在布尔向量上使用sum()来计算真实元素的数量（即初始向量中存在于此群集中的元素数量
（可选）您可以按群集的长度进行标准化，以获得此群集的百分比，该群集由您感兴趣的列表或您所做列表的长度组成，以指示您的成员数量此群集中存在的列表。

您可以使用for()或apply变体循环遍历每个群集。

然后给定all_wt_memb$csize，您将拥有一个给定的值，这是您的目标，并且您将要查找最接近的数字。请参阅this link，但您只是计算最小绝对差值：

x=c(1:100)
your.number=5.43
which(abs(x-your.number)==min(abs(x-your.number)))

Answer 2

这将为您提供第二大all_wt_memb的索引：

dat <- all_wt_memb$csize
order( dat- dat[which.max(dat)])[ length(dat)-1]
[1] 3

R：igraph，将“已知”聚类的成员与观察到的聚类的成员匹配，返回％匹配

2 个答案: