Wykrywanie społeczności — klasteryzacja grafów w sieciach
Wykrywanie społeczności to rodzina algorytmów podziału grafu, które odkrywają gęsto połączone podgrupy — społeczności — w obrębie sieci. Po raz pierwszy sformalizowana za pomocą miary modularności przez Girvana i Newmana (2002), dziedzina szybko się rozwijała dzięki metodzie Louvain (Blondel et al., 2008), udoskonaleniu Leiden (Traag et al., 2019) oraz podejścia Infomap opartego na teorii informacji. Wszystkie warianty odpowiadają na to samo pytanie: które węzły grupują się ściślej między sobą niż z resztą sieci?
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/pl/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.
- Analiza centralnościAnaliza sieci↔ compare
- Model sieci losowych o wykładniczym rozkładzie (ERGM / p*)Analiza sieci↔ compare
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
- Modele dyfuzji sieciowejAnaliza sieci↔ compare
- Model blokowy stochastycznyAnaliza sieci↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →