Otkrivanje zajednica — Klasterizacija grafova u mrežama
Otkrivanje zajednica je porodica algoritama za particionisanje grafova koji otkrivaju gusto povezane podgrupe — zajednice — unutar mreže. Prvi put formalizovano merom modularnosti od strane Girvana i Newmana (2002), ova oblast je brzo napredovala sa Louvain metodom (Blondel et al., 2008), Leiden rafiniranjem (Traag et al., 2019) i informaciono-teorijskim Infomap pristupom. Sve varijante odgovaraju na isto pitanje: koji se čvorovi čvršće klasterizuju među sobom nego sa ostatkom mreže?
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/sr/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 centralnostiAnaliza mreža↔ compare
- Модел експоненцијалних случајних графова (ЕРГМ / п*)Analiza mreža↔ compare
- Hijerarhijsko grupisanjeMašinsko učenje↔ compare
- Mrežni difuzioni modeliAnaliza mreža↔ compare
- Stohastički blok modelAnaliza mreža↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →