cdlib.algorithms.belief

cdlib.algorithms.belief(g_original: object, max_it: int = 100, eps: float = 0.0001, reruns_if_not_conv: int = 5, threshold: float = 0.005, q_max: int = 7) → NodeClustering

信念社区寻求许多高模块化分区的共识。 它通过一个可扩展的消息传递算法来实现这一点，该算法通过将模块化视为哈密顿量并应用腔方法推导而来。

支持的图表类型

无向	有向	加权
是的	否	否

Parameters:

• g_original – 一个 networkx/igraph 对象

• max_it

• eps

• reruns_if_not_conv

• 阈值

• q_max

Returns:

节点聚类对象

Example:

>>> from cdlib import algorithms
>>> import networkx as nx
>>> G = nx.karate_club_graph()
>>> coms = algorithms.belief(G)

References:

张、潘和克里斯托弗·摩尔。“使用消息传递进行模块化的统计显著社区和层次结构的可扩展检测。”美国国家科学院院刊 111.51 (2014): 18144-18149.

注意

参考实现: https://github.com/weberfm/belief_propagation_community_detection