Machine learningNetwork science
가중치 커뮤니티 탐지
가중치 커뮤니티 탐지는 엣지에 숫자 강도(가중치)가 부여된 네트워크에서 밀집하게 연결된 그룹, 즉 커뮤니티를 식별합니다. 엣지 가중치를 모듈성 함수에 통합함으로써, 이진 인접성만으로는 놓칠 수 있는 구조를 드러냅니다. 즉, 강한 연결로 묶인 두 노드는 약한 연결로 묶인 두 노드보다 더 유사하게 취급됩니다. Louvain 알고리즘이 실용적인 구현에서 지배적입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
출처
- 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 ↗
- Newman, M. E. J. (2004). Analysis of weighted networks. Physical Review E, 70(5), 056131. DOI: 10.1103/PhysRevE.70.056131 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Weighted Community Detection in Networks. ScholarGate. https://scholargate.app/ko/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.
- 커뮤니티 탐지네트워크 분석↔ compare
- 모듈성 분석네트워크 분석↔ compare
- 다중망 분석네트워크 분석↔ compare
- 사회 연결망 분석네트워크 분석↔ compare
- 가중 모듈성 분석네트워크 분석↔ compare
- 가중치 사회 연결망 분석 (Weighted Social Network Analysis)네트워크 분석↔ compare