CDlib Logo
  • 概述
    • 目标
    • EU H2020
  • 安装 CDlib
    • 可选依赖项
      • PyPi package
      • Advanced
      • 可选依赖项(Conda 包)
  • 快速开始
    • Tutorial
    • FAQ
  • API指南
    • 社区对象
      • 节点聚类
      • 模糊节点聚类
      • 属性节点聚类
      • Biparite Node Clustering
      • Edge Clustering
      • Temporal Clustering
    • 静态社区发现
      • 节点聚类
      • 边聚类
      • 集成方法
    • 动态社区发现
      • Instant Optimal
      • 时间权衡
    • 社区活动与生命周期
      • LifeCycle 对象
      • 具有明确生命周期的聚类
      • 没有显式生命周期的聚类
      • 分析事件和流程
      • 可视化事件和流程
      • 验证流程
    • 评估与基准测试
      • 内部评估:适应度分数
      • 外部评估:分区比较
      • Synthetic Benchmarks
      • 带有注释社区的网络
    • 验证CD算法排名
      • 按适应度分数排名
      • 通过聚类相似性进行排名
    • 可视化分析
      • 网络可视化
      • 分析图表
      • 动态社区事件图
    • 输入-输出
      • Community I/O
      • Community Events I/O
    • 工具
      • 图转换
      • 标识符映射
  • Bibliography
    • Algorithms
    • 评估指标
    • 使用CDlib的研究
CDlib
  • API Guide
  • Static Community Discovery
  • Node Clustering
  • cdlib.algorithms.hierarchical_link_community
  • Edit on GitHub

cdlib.algorithms.hierarchical_link_community¶

cdlib.algorithms.hierarchical_link_community(g_original: object) → EdgeClustering¶

HLC(层次链接聚类)是一种将链接分类为拓扑相关组的方法。 该算法使用链接之间的相似性来构建一个树状图,其中每个叶子是原始网络中的一个链接,分支代表链接社区。 在链接树状图的每个级别上,基于社区内部的链接密度计算分区密度函数,以选择最佳的切割级别。

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

Returns:

边缘聚类对象

Example:

>>> from cdlib import algorithms
>>> import networkx as nx
>>> G = nx.karate_club_graph()
>>> com = algorithms.hierarchical_link_community(G)
References:

Ahn, Yong-Yeol, James P. Bagrow, 和 Sune Lehmann. 链接社区揭示了网络中的多尺度复杂性。 nature 466.7307 (2010): 761.

Previous Next

© 版权所有 2024, Giulio Rossetti. 修订 c7e09398.

Built with Sphinx using a theme provided by Read the Docs.