Fellesskapsdeteksjon — Grafklynging i nettverk
Fellesskapsdeteksjon er en familie av grafpartisjoneringsalgoritmer som oppdager tett sammenkoblede undergrupper – fellesskap – innenfor et nettverk. Først formalisert gjennom modularitetsmålet av Girvan og Newman (2002), utviklet feltet seg raskt med Louvain-metoden (Blondel et al., 2008), Leiden-forbedringen (Traag et al., 2019), og den informasjonsteoretiske Infomap-tilnærmingen. Alle varianter svarer på det samme spørsmålet: hvilke noder klynger seg tettere sammen seg imellom enn med resten av nettverket?
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/no/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.
- SentralitetsanalyseNettverksanalyse↔ compare
- Eksponensiell tilfeldig grafmodell (ERGM / p*)Nettverksanalyse↔ compare
- Hierarkisk grupperingMaskinlæring↔ compare
- NettverksdiffusjonsmodellerNettverksanalyse↔ compare
- Stochastic Block ModelNettverksanalyse↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →