Közösségdetektálás — Gráfklaszterezés hálózatokban
A közösségdetektálás a gráfparticionáló algoritmusok olyan családja, amely sűrűn kapcsolt alcsoportokat – közösségeket – fedez fel egy hálózaton belül. Először a modularitás mérőszám révén formalizálták Girvan és Newman (2002) által, a terület gyorsan fejlődött a Louvain-módszer (Blondel et al., 2008), a Leiden-finomítás (Traag et al., 2019) és az információelméleti Infomap megközelítés révén. Minden változat ugyanarra a kérdésre válaszol: mely csomópontok kapcsolódnak szorosabban egymáshoz, mint a hálózat többi részéhez?
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/hu/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.
- Centralitás-elemzésHálózatelemzés↔ compare
- Exponenciális véletlen gráf modell (ERGM / p*)Hálózatelemzés↔ compare
- Hierarchikus klaszterezésGépi tanulás↔ compare
- Hálózatdiffúziós modellekHálózatelemzés↔ compare
- Sztochasztikus Blokk ModellHálózatelemzés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →