由此衍生出來的社區發現(community detection)算法用來發現網絡中的社區結構,這類算法包括Louvain 算法、Girvan-Newman 算法以及 Bron-Kerbosch 算法等。
最近,在 GitHub 上發現了一個可以發現圖中社區結構的 Python 庫 communities,該庫由軟件工程師 Jonathan Shobrook 創建。項目地址:https://github.com/shobrook/communities
首先,該庫可以實現以下幾種社區發現算法:
- Louvain 算法
- Girvan-Newman 算法
- 層次聚類
- 譜聚類
- Bron-Kerbosch 算法
其次,用戶還可以使用 communities 庫來可視化上述幾種算法,下圖為空手道俱樂部(Zachary's karate club)網絡中 Louvain 算法的可視化結果:
該庫的安裝方法也非常簡單,可采用 pip 的方式安裝 communities,代碼如下:
importnumpyasnp
fromcommunities.algorithmsimportlouvain_method
adj_matrix=np.array([[0,1,1,0,0,0],
[1,0,1,0,0,0],
[1,1,0,1,0,0],
[0,0,1,0,1,1],
[0,0,0,1,0,1],
[0,0,0,1,1,0]])
communities,_=louvain_method(adj_matrix)
>>communities
[{0,1,2},{3,4,5}]
對于這個 Python 庫,很多網友給予了高度評價,表示會去嘗試。
算法詳解
1、Louvain 算法
louvain_method(adj_matrix:numpy.ndarray,n:int=None)->list
該算法來源于文章《Fast unfolding of communities in large networks》,簡稱為 Louvian。
作為一種基于模塊度(Modularity)的社區發現算法,Louvain 算法在效率和效果上都表現比較好,并且能夠發現層次性的社區結構,其優化的目標是最大化整個圖屬性結構(社區網絡)的模塊度。
Louvain 算法對最大化圖模塊性的社區進行貪婪搜索。如果一個圖具有高密度的群體內邊緣和低密度的群體間邊緣,則稱之為模圖。
示例代碼如下:
fromcommunities.algorithmsimportlouvain_methodad
j_matrix=[...]
communities,_=louvain_method(adj_matrix)
2、Girvan-Newman 算法
girvan_newman(adj_matrix:numpy.ndarray,n:int=None)->list
該算法來源于文章《Community structure in social and biological networks》。
Girvan-Newman 算法迭代刪除邊以創建更多連接的組件。每個組件都被視為一個 community,當模塊度不能再增加時,算法停止去除邊緣。
示例代碼如下:
fromcommunities.algorithmsimportgirvan_newman
adj_matrix=[...]
communities,_=girvan_newman(adj_matrix)
3、層次聚類
hierarchical_clustering(adj_matrix:numpy.ndarray,metric:str="cosine",linkage:str="single",n:int=None)->list
層次聚類實現了一種自底向上、分層的聚類算法。每個節點從自己 的社區開始,然后,隨著層次結構的建立,最相似的社區被合并。社區會一直被合并,直到在模塊度方面沒有進一步的進展。
示例代碼如下:
fromcommunities.algorithmsimporthierarchical_clustering
adj_matrix=[...]
communities=hierarchical_clustering(adj_matrix,metric="euclidean",linkage="complete")
4、譜聚類
spectral_clustering(adj_matrix:numpy.ndarray,k:int)->list
這種類型的算法假定鄰接矩陣的特征值包含有關社區結構的信息。
示例代碼如下:
fromcommunities.algorithmsimportspectral_clustering
adj_matrix=[...]
communities=spectral_clustering(adj_matrix,k=5)
5、Bron-Kerbosch 算法
bron_kerbosch(adj_matrix:numpy.ndarray,pivot:bool=False)->list
Bron-Kerbosch 算法實現用于最大團檢測(maximal clique detection)。圖中的最大團是形成一個完整圖的節點子集,如果向該子集中添加其他節點,則它將不再完整。將最大團視為社區是合理的,因為團是圖中連接最緊密的節點群。因為一個節點可以是多個社區的成員,所以該算法有時會識別重疊的社區。示例代碼如下:
fromcommunities.algorithmsimportbron_kerbosch
adj_matrix=[...]
communities=bron_kerbosch(adj_matrix,pivot=True)
可視化
繪圖
draw_communities(adj_matrix:numpy.ndarray,communities:list,dark:bool=False,filename:str=None,seed:int=1)
可視化圖(graph),將節點分組至它們所屬的社區和顏色編碼中。返回代表繪圖的 matplotlib.axes.Axes。示例代碼如下:
fromcommunities.algorithmsimportlouvain_method
fromcommunities.visualizationimportdraw_communities
adj_matrix=[...]
communities,frames=louvain_method(adj_matrix)
draw_communities(adj_matrix,communities)
可視化圖如下:
Louvain 算法的動圖展示
louvain_animation(adj_matrix:numpy.ndarray,frames:list,dark:bool=False,duration:int=15,filename:str=None,dpi:int=None,seed:int=2)
Louvain 算法在圖中的應用可以實現動圖展示,其中每個節點的顏色代表其所屬的社區,并且同一社區中的節點聚類結合在一起。
示例代碼如下:
fromcommunities.algorithmsimportlouvain_method
fromcommunities.visualizationimportlouvain_animation
adj_matrix=[...]
communities,frames=louvain_method(adj_matrix)
louvain_animation(adj_matrix,frames)
動圖展示如下:
參考鏈接:
https://www.codenong.com/cs105912940/
https://www.reddit.com/r/MachineLearning/comments/lozys9/p_i_made_communities_a_library_of_clustering/
審核編輯 :李倩
-
算法
+關注
關注
23文章
4608瀏覽量
92845 -
可視化
+關注
關注
1文章
1194瀏覽量
20936 -
python
+關注
關注
56文章
4793瀏覽量
84633
原文標題:發現一個寶藏 Python 庫,玩社區發現算法的不能錯過!
文章出處:【微信號:AndroidPush,微信公眾號:Android編程精選】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論