cdlib.algorithms.hierarchical_link_community_full

cdlib.algorithms.hierarchical_link_community_full(g_original: object, weight='weight', simthr=None, hcmethod='single', min_edges=None, verbose=False) → 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，以选择最佳切割级别。 此实现完全遵循Ahn等人描述的算法，并使用numpy/scipy来改进聚类计算（它更快且消耗更少的内存）。

支持的图表类型

无向	有向	加权
是的	否	是的

Parameters:

• g_original – 一个 networkx/igraph 对象

• weight – 对于未加权的网络为None，使用jaccard近似。当使用字符串定义时，边属性名称（通常为‘weight’）将用作权重，并使用Tanimoto近似。

• simthr – 默认值为 None。如果设置为浮点数，相似矩阵中所有小于阈值的值将被设置为 0（这可能会减少内存使用）。

• hcmethod – 用于层次聚类中的链接方法，默认为‘single’。参见scipy.cluster.hierarchy.linkage以获取完整的方法列表。

• min_edges – 默认为 None。如果设置为浮点数，则表示一个社区必须包含的最小边数，以便保留在聚类中。

• verbose – 如果为True，将中间步骤写入磁盘。

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_full(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.