آشکارسازی جامعه — خوشهبندی گراف در شبکهها
آشکارسازی جامعه خانوادهای از الگوریتمهای تقسیمبندی گراف است که زیرگروههای با اتصال متراکم — جوامع — را در یک شبکه کشف میکند. این حوزه که اولین بار از طریق معیار مدولاریتی توسط گیروان و نیومن (۲۰۰۲) فرموله شد، با روش لوون (بلوندل و همکاران، ۲۰۰۸)، پالایش لیدن (تراگ و همکاران، ۲۰۱۹) و رویکرد اطلاعاتی اینفومپ به سرعت پیشرفت کرد. همه انواع به یک سوال پاسخ میدهند: کدام گرهها بیشتر از بقیه شبکه، به طور متراکم با یکدیگر خوشهبندی میشوند؟
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/fa/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.
- تحلیل مرکزیتتحلیل شبکه↔ compare
- مدل گراف تصادفی نمایی (ERGM / p*)تحلیل شبکه↔ compare
- خوشهبندی سلسلهمراتبییادگیری ماشین↔ compare
- مدلهای انتشار شبکهایتحلیل شبکه↔ compare
- مدل بلوک تصادفیتحلیل شبکه↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →