Process / pipeline
コミュニティ検出 — ネットワークにおけるグラフクラスタリング
コミュニティ検出は、ネットワーク内の密に接続されたサブグループ（コミュニティ）を発見するグラフ分割アルゴリズムのファミリである。GirvanとNewman (2002) によるモジュラリティ尺度によって最初に形式化されたこの分野は、Louvain法 (Blondel et al., 2008)、Leiden改良法 (Traag et al., 2019)、情報理論的アプローチであるInfomapによって急速に進歩した。すべてのバリアントは同じ質問に答える。すなわち、どのノードがネットワークの他の部分よりもそれ自体の間でより緊密にクラスタリングされるか？
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/ja/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.
- 中心性分析ネットワーク分析↔ compare
- 指数ランダムグラフモデル (ERGM / p*)ネットワーク分析↔ compare
- 階層的クラスタリング機械学習↔ compare
- ネットワーク拡散モデルネットワーク分析↔ compare
- 確率的ブロックモデルネットワーク分析↔ compare
この手法を参照する項目
ベイズ的確率的ブロックモデル二部ネットワーク分析中心性分析動的モジュラリティ解析エゴネットワーク分析指数ランダムグラフモデル (ERGM / p*)グラフニューラルネットワークk核分解景観パターン指標ネットワークにおける欠損および将来のエッジ推論多層コミュニティ検出多層ネットワーク分析多層ソーシャルネットワーク分析多重ネットワーク分析ネットワーク拡散モデルネットワーク埋め込みネットワークモティーフ解析ネットワークのレジリエンスと脆弱性分析プロセス・マイニングSmall-World and Scale-Free Network Analysis時間的ネットワーク分析二部ネットワーク分析重み付きコミュニティ検出