Graph Louvain算法的Julia实现

我试图在朱莉娅身上实现这一点

本文将模块化增益描述为：

其中，Sum_in是C内链路的权重之和，Sum_tot是与C内节点关联的链路的权重之和，K_i是与节点i关联的链路的权重之和，K_i_in是与C内节点关联的链路的权重之和，m是网络中所有链路的权重之和

我的实施是：

function linksIn(graph, communities, c)::Float32
    reduce(+,
        map(
            e-> (communities[e.src] == c && communities[e.dst] == c)
                ? e.weight
                : 0
            , edges(graph)
        )
    )
end

function linksTot(graph, communities, c)::Float32
    reduce(+,
        map(
            e-> (communities[e.src] == c || communities[e.dst] == c)
                ? e.weight
                : 0
            , edges(graph)
        )
    )
end

function weightsIncident(graph, node)::Float32
    reduce(+,
        map(
            n-> get_weight(graph, node, n)
            , neighbors(graph, node)
        )
    )
end

function weightsIncidentComunity(graph,communities, node, c)::Float32
    reduce(+,
        map(
            n-> (c == communities[n])
                ? get_weight(graph, node, n)
                : 0
            , neighbors(graph, node)
        )
    )
end

function modulGain(graph, communities, node, c)::Float32

    # Calculate the variables of the modularity gain equation
    wIn = linksIn(graph, communities, c);
    wTot = linksTot(graph, communities, c);
    k = weightsIncident(graph, node);
    k_com = weightsIncidentComunity(graph, communities, node, c);
    m = reduce(+, map(e->e.weight, edges(graph)));


    # return the result of the modularity gain equation

    return ((wIn +k_com) / (2*m) - ((wTot+k)/(2m))^2 )
        - ((wIn/(2m)) - (wTot/(2m))^2 - (k/(2m))^2 )
end

如果我比较function

modulegain

的结果以及模块性的差异，我会得到以下第一个过程的示例，其中每个节点都有自己的组件

• 模增益（图，社区，1，1）->0.00010885417
• 模差（图，社区，1，1）->0.0

及

• 模增益（图，社区，1，3）->4.806646e-5
• 模差（图，社区，1，3）->5.51432459e-5

当使用模块化增益方程运行算法时，它往往陷入无限循环。 我想避免使用模块化差异，因为使用模块化增益方程时，性能有明显的提高

有人能解释一下我的实现有什么问题吗？ 多谢各位