Algorithm 完备加权网络中的群体检测

我有一个完整的网络图，其中每个顶点都是相互连接的，它们只是在不同的权重形式上有所不同。一个例子是：一个贸易网络，在这个网络中，每个国家都以某种方式相互联系，只是在不同的贸易量形式上有所不同

现在的问题是，我如何在这种网络形式下执行社区检测。通常的怀疑（算法）只能在未加权或不完全网络中很好地执行。主要问题是测地线在任何地方都是相同的

我想到了两个选择：

通过在一定的“重量阈值水平”下切割网络，将其切割成更小的部分

或者使用分层聚类算法将整个网络变成块模型。但我认为“测地线术语没有变化”的问题仍然存在

---

提出了几种方法

一种简单但有效的方法在（Blondel等人，2008年）中提出。它支持加权网络。引自摘要：

我们提出了一种简单的方法来提取大样本的群落结构 网络。我们的方法是一种基于模块化的启发式方法 优化。它的表现优于所有其他已知的社区 计算时间方面的检测方法。此外，质量 根据所谓的 模块化

引述该报的话：

现在，我们介绍我们的算法，它可以找到高模块性分区 在短时间内建立大型网络，从而展开一个完整的 网络的分层社区结构，从而 访问社区检测的不同分辨率

所以它应该对完整的图形很有效，但您最好检查它

一个C++实现是可用的（现在保持）。

---

您的另一个想法——使用权重阈值——可能被证明是一个很好的预处理步骤，特别是对于不会划分完整图的算法。我认为最好将其设置为权重的某个百分位（例如中位数）。

我觉得这更像是一个概念问题，而不是一个编程问题