cdlib.algorithms.node_perception

cdlib.algorithms.node_perception(g_original: object, threshold: float, overlap_threshold: float, min_comm_size: int = 3) → NodeClustering

节点感知基于将小节点集连接在一起的想法。 该算法首先识别与每个节点对周围网络的感知相对应的子社区。 为了执行此步骤，它分别考虑每个节点，并使用一些现有的社区检测方法将该节点的邻居划分为社区。 接下来，它创建一个新的网络，其中每个节点对应一个子社区，如果它们关联的子社区重叠至少达到某个阈值，则两个节点相连。 最后，该算法在这个新网络中识别重叠的社区，并为每个这样的社区合并关联的子社区，以识别原始网络中的社区。

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

• threshold – 合并社区所需的容忍度

• overlap_threshold – 重叠容忍度

• min_comm_size – 最小社区大小 默认值为3

Returns:

节点聚类对象

Example:

>>> from cdlib import algorithms
>>> import networkx as nx
>>> G = nx.karate_club_graph()
>>> coms = algorithms.node_perception(G, threshold=0.25, overlap_threshold=0.25)

References:

Sucheta Soundarajan 和 John E. Hopcroft. 2015. 使用本地组信息识别网络中的社区。 ACM Trans. Knowl. Discov. Data 9, 3, 文章 21 (2015年4月), 27页. DOI=http://dx.doi.org/10.1145/2700404