Gemenskapsupptäckt — Klustring av grafer i nätverk
Gemenskapsupptäckt är en familj av grafpartitioneringsalgoritmer som upptäcker tätt sammankopplade undergrupper — gemenskaper — inom ett nätverk. Fältet, som först formaliserades genom modularitetsmåttet av Girvan och Newman (2002), utvecklades snabbt med Louvain-metoden (Blondel et al., 2008), Leiden-förfiningen (Traag et al., 2019) och det informationsteoretiska Infomap-tillvägagångssättet. Alla varianter besvarar samma fråga: vilka noder klustrar tätare med varandra än med resten av nätverket?
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/sv/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.
- CentralitetsanalysNätverksanalys↔ compare
- Exponentiell slumpmässig grafmodell (ERGM / p*)Nätverksanalys↔ compare
- Hierarkisk klustringMaskininlärning↔ compare
- Nätverksdiffusionsmodeller – SIR, SIS och Independent CascadeNätverksanalys↔ compare
- Stochastic Block ModelNätverksanalys↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →