Détection de communautés — Regroupement de graphes en réseaux
La détection de communautés est une famille d'algorithmes de partitionnement de graphes qui identifient des sous-groupes densément connectés — des communautés — au sein d'un réseau. Formalisé pour la première fois par Girvan et Newman (2002) à travers la mesure de modularité, le domaine a rapidement progressé avec la méthode de Louvain (Blondel et al., 2008), le raffinement de Leiden (Traag et al., 2019) et l'approche Infomap basée sur la théorie de l'information. Toutes ces variantes répondent à la même question : quels nœuds se regroupent-ils plus étroitement entre eux qu'avec le reste du réseau ?
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/fr/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.
- Analyse de centralitéAnalyse de réseaux↔ compare
- Modèle exponentiel de graphes aléatoires (ERGM / p*)Analyse de réseaux↔ compare
- Regroupement hiérarchiqueApprentissage automatique↔ compare
- Modèles de diffusion en réseauAnalyse de réseaux↔ compare
- Modèle de blocs stochastiquesAnalyse de réseaux↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →