Community Detection — Grafenclustering in Netwerken
Community detection is een familie van graaf-partitie-algoritmen die dicht verbonden subgroepen — gemeenschappen — binnen een netwerk ontdekken. Eerst geformaliseerd door de modulariteitsmaatstaf door Girvan en Newman (2002), vorderde het veld snel met de Louvain-methode (Blondel et al., 2008), de Leiden-verfijning (Traag et al., 2019) en de informatie-theoretische Infomap-benadering. Alle varianten beantwoorden dezelfde vraag: welke knooppunten clusteren strakker onderling dan met de rest van het netwerk?
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/nl/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.
- CentraaliteitsanalyseNetwerkanalyse↔ compare
- Exponentieel-graafmodel (ERGM / p*)Netwerkanalyse↔ compare
- Hiërarchische clusteringMachine learning↔ compare
- NetwerkdiffusiemodellenNetwerkanalyse↔ compare
- Stochastic Block ModelNetwerkanalyse↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →