Python NetworkX greedy_modularity_communities用法及代碼示例

使用貪心的模塊化最大化在 G 中查找社區。

該函數使用Clauset-Newman-Moore貪心模塊化最大化[2]。

貪心模塊化最大化從其自己社區中的每個節點開始，並加入最大增加模塊化的社區對，直到不存在這樣的對或直到達到社區數量n_communities。

此函數最大化廣義模塊化，其中 resolution 是分辨率參數，通常表示為 \(\gamma\) 。見 modularity() 。

參數：

G：NetworkX 圖

weight：字符串或無，可選(默認=無)

保存用作權重的數值的邊屬性的名稱。如果沒有，則每條邊的權重為 1。度數是與節點相鄰的邊權重的總和。

resolution：浮點數(默認=1)

如果分辨率小於 1，則模塊化有利於更大的社區。大於 1 有利於較小的社區。

n_communities: int：

期望的社區數量：一旦達到這個社區數量，或者直到不能進一步增加模塊化，社區合並過程就終止。必須介於 1 和 G 中的節點總數之間。默認為 1 ，這意味著社區合並過程將繼續進行，直到所有節點都在同一個社區中或直到找到最佳社區結構。

返回：

分區：列表

一組凍結的節點列表，每個社區一個。按長度排序，首先是最大的社區。

參考：

1

Newman, M. E. J. “Networks: An Introduction”, page 224 Oxford University Press 2011.

2

Clauset, A., Newman, M. E., & Moore, C. “Finding community structure in very large networks.” Physical Review E 70(6), 2004.

3

Reichardt and Bornholdt “Statistical Mechanics of Community Detection” Phys. Rev. E74, 2006.

4

Newman, M. E. J.”Analysis of weighted networks” Physical Review E 70(5 Pt 2):056131, 2004.

例子：

>>> from networkx.algorithms.community import greedy_modularity_communities
>>> G = nx.karate_club_graph()
>>> c = greedy_modularity_communities(G)
>>> sorted(c[0])
[8, 14, 15, 18, 20, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33]