ScholarGate
Assistent
Machine learningNetwork science

Gewichtete Gemeinschaftserkennung

Die gewichtete Gemeinschaftserkennung identifiziert dicht verbundene Gruppen – Gemeinschaften – in Netzwerken, bei denen Kanten numerische Stärken (Gewichte) tragen. Durch die Einbeziehung von Kantengewichten in die Modularitätsfunktion deckt sie Strukturen auf, die allein durch binäre Adjazenz übersehen würden: Zwei Knoten, die durch eine starke Verbindung verbunden sind, werden als ähnlicher behandelt als zwei Knoten, die durch eine schwache Verbindung verknüpft sind. Der Louvain-Algorithmus ist die dominierende praktische Implementierung.

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.

+2 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: Theory and Experiment, 2008(10), P10008. DOI: 10.1088/1742-5468/2008/10/P10008
  2. Newman, M. E. J. (2004). Analysis of weighted networks. Physical Review E, 70(5), 056131. DOI: 10.1103/PhysRevE.70.056131

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Weighted Community Detection in Networks. ScholarGate. https://scholargate.app/de/network-analysis/weighted-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

ScholarGateWeighted Community Detection (Weighted Community Detection in Networks). Abgerufen am 2026-06-15 von https://scholargate.app/de/network-analysis/weighted-community-detection · Datensatz: https://doi.org/10.5281/zenodo.20539026