使用igraph或其他库进行重叠社区检测

Question

我希望能够检测小型网络/图中的重叠社区。所谓重叠是指在检测算法的输出中，一个节点可以包含在多个社区/簇中。

我已经查看了igraph目前提供的各种社区检测算法，但我认为它们都不能处理重叠的社区。

理想情况下，我希望能够以编程方式利用一些此类算法的Python实现。但使用其他语言也可以。

- skyork

Answer 1

我之前使用igraph的Python接口实现了Ahn等人提出的层次链接聚类算法，源代码在这里。

此外，使用igraph在Python中实现CFinder相当容易；以下是我编写的代码：

#!/usr/bin/env python
from itertools import combinations

import igraph
import optparse

parser = optparse.OptionParser(usage="%prog [options] infile")
parser.add_option("-k", metavar="K", default=3, type=int,
        help="use a clique size of K")

options, args = parser.parse_args()

if not args:
    parser.error("Required input file as first argument")

k = options.k
g = igraph.load(args[0], format="ncol", directed=False)
cls = map(set, g.maximal_cliques(min=k))

edgelist = []
for i, j in combinations(range(len(cls)), 2):
    if len(cls[i].intersection(cls[j])) >= k-1:
        edgelist.append((i, j))

cg = igraph.Graph(edgelist, directed=False)
clusters = cg.clusters()
for cluster in clusters:
    members = set()
    for i in cluster:
        members.update(cls[i])
    print "\t".join(g.vs[members]["name"])

- Tamás

---

哎呀，我有同样的问题，有时候真希望我用的是 Python 而不是 R... - user13822027

Answer 2

如果您不介意使用另一种编程语言，您可以选择CFinder（Java），它基于团伙渗透（基本上是寻找紧密连接的团伙），OSLOM（C ++）优化统计量以及其他方法。

否则，如果您想坚持使用Python，您也可以应用Evans＆Lambiotte'09的方法：1）将图形转换为线图，2）在其中应用常规社区检测方法，例如使用igraph，3）获取重叠社区。将图形转换为线图并不太复杂，并且应该很快，前提是您的原始图形不太大。在任何情况下，这比执行社区检测本身要快。

请注意，还有其他方法可以从常规（相互独立的社区）方法获取重叠社区，例如Bennet等人的方法或Wang等人的方法。但是，实现它们似乎不太直接。

- Vincent Labatut

Answer 3

根据这篇博客，networkx现在可以计算重叠社区。

以下代码是用于团伙渗透方法的，可在Networkx 11.6中使用。Github 链接。

import networkx as nx
from itertools import combinations

def get_percolated_cliques(G, k):
perc_graph = nx.Graph()
cliques = list(frozenset(c) for c in nx.find_cliques(G) if len(c) >= k)
perc_graph.add_nodes_from(cliques)

# Add an edge in the clique graph for each pair of cliques that percolate
for c1, c2 in combinations(cliques, 2):
    if len(c1.intersection(c2)) >= (k - 1):
        perc_graph.add_edge(c1, c2)

for component in nx.connected_components(perc_graph):
    yield(frozenset.union(*component))

- noiivice

Answer 4

CFinder 实现了团聚社区法(Clique Percolation Method (CPM))。如果您使用 Python，Networkx 已经实现了相同的功能(请参阅此链接)。

>>> G = nx.complete_graph(5)
>>> K5 = nx.convert_node_labels_to_integers(G,first_label=2)
>>> G.add_edges_from(K5.edges())
>>> c = list(nx.k_clique_communities(G, 4))
>>> list(c[0])
[0, 1, 2, 3, 4, 5, 6]
>>> list(nx.k_clique_communities(G, 6))

- kangkang

Answer 5

Python的networkx库现在具有更广泛的社区检测算法。 Carla给出的示例现在是：

>>> from networkx.algorithms.community import k_clique_communities
>>> G = nx.complete_graph(5)
>>> K5 = nx.convert_node_labels_to_integers(G,first_label=2)
>>> G.add_edges_from(K5.edges())
>>> c = list(k_clique_communities(G, 4))
>>> list(c[0])
[0, 1, 2, 3, 4, 5, 6]
>>> list(k_clique_communities(G, 6))
[]

社区文档在这里: https://networkx.github.io/documentation/latest/reference/algorithms/community.html

- Will Fitzgerald