ScholarGate
Assistent
Process / pipeline

Community Detection — Graph Clustering in Netzwerken

Community Detection ist eine Familie von Graphen-Partitionierungsalgorithmen, die dicht verbundene Untergruppen – Gemeinschaften – innerhalb eines Netzwerks entdecken. Das Feld wurde erstmals durch das Modularitätsmaß von Girvan und Newman (2002) formalisiert und entwickelte sich mit der Louvain-Methode (Blondel et al., 2008), der Leiden-Verfeinerung (Traag et al., 2019) und dem informationstheoretischen Infomap-Ansatz rasant weiter. Alle Varianten beantworten dieselbe Frage: Welche Knoten gruppieren sich enger untereinander als mit dem Rest des Netzwerks?

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

+15 more

Quellen

  1. 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
  2. Traag, V.A., Waltman, L. & van Eck, N.J. (2019). From Louvain to Leiden: Guaranteeing Well-Connected Communities. Scientific Reports, 9, 5233. link

So zitieren Sie diese Seite

ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/de/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.

Compare side by side

Referenziert von

ScholarGateCommunity Detection (Community Detection (Louvain, Girvan-Newman, Leiden, Infomap)). Abgerufen am 2026-06-15 von https://scholargate.app/de/network-analysis/community-detection · Datensatz: https://doi.org/10.5281/zenodo.20539026