Process / pipeline
社群检测——网络中的图聚类
社群检测是一系列图划分算法，旨在发现网络中连接紧密的子群——即社群。该领域最初由 Girvan 和 Newman (2002) 通过模块度量化，随后随着 Louvain 方法 (Blondel et al., 2008)、Leiden 改进 (Traag et al., 2019) 和基于信息论的 Infomap 方法的出现而迅速发展。所有这些变体都回答了同一个问题：哪些节点在内部的聚集程度比与网络其他部分的聚集程度更高？
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 1). Community Detection (Louvain, Girvan-Newman, Leiden, Infomap). ScholarGate. https://scholargate.app/zh/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.
- 中心性分析网络分析↔ compare
- 指数随机图模型（ERGM / p*）网络分析↔ compare
- 层次聚类机器学习↔ compare
- 网络传播模型网络分析↔ compare
- 随机块模型网络分析↔ compare