Откриване на общности — Клъстериране на графи в мрежи
Откриването на общности е семейство алгоритми за разделяне на графи, които откриват плътно свързани подгрупи — общности — в рамките на мрежа. Първоначално формализирано чрез мярката за модуларност от Girvan и Newman (2002), областта напредва бързо с метода Louvain (Blondel et al., 2008), усъвършенстването Leiden (Traag et al., 2019) и информационно-теоретичния подход Infomap. Всички варианти отговарят на един и същ въпрос: кои възли се групират по-тясно помежду си, отколкото с останалата част от мрежата?
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Източници
- Blondel, V.D., Guillaume, J.-L., Lambiotte, R. & Lefebvre, E. (2008). Fast Unfolding of Communities in Large Networks. Journal of Statistical Mechanics, 2008(10), P10008. DOI: 10.1088/1742-5468/2008/10/P10008 ↗
- Traag, V.A., Waltman, L. & van Eck, N.J. (2019). From Louvain to Leiden: Guaranteeing Well-Connected Communities. Scientific Reports, 9, 5233. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/bg/network-analysis/community-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Анализ на централностМрежови анализ↔ compare
- Модел на експоненциален случаен граф (ERGM / p*)Мрежови анализ↔ compare
- Йерархично групиранеМашинно обучение↔ compare
- Мрежови дифузионни моделиМрежови анализ↔ compare
- Стохастичен блокови моделМрежови анализ↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →