Graph Gephi中的聚类（Louvain方法）

我已经开始使用gephi来帮助我显示数据集。 数据集包含：

标记（特定图片的术语）为节点

这些标记之间的标准化Google相似性距离为边，带有权重（介于0和1之间）

每个标签都与其他标签相连，只要它们都属于同一张图片。因此，对于每幅图片，我有一组节点和边

我现在以以下格式将此数据集导入gephi：

节点：id，标签

边：目标、源、权重（介于0和1之间）

比如500个节点和6000条边

我现在的问题是，在导入所有这些节点和边之后，图形看起来有点像一团，没有真正的顺序。每一张图片的每一簇都被混合到其他图片的其他簇中。 现在使用模块化作为分割算法（应该使用Louvain方法）图形被着色，每种颜色代表一幅图片。现在，我可以使用Force Atlas 2布局来分割这些混乱

我现在有一个彩色图形，大约有15个簇（每个簇代表一张图片）

现在我想再次使用标记（节点）根据它们的标准化谷歌距离（边的权重）对这些簇进行聚类，然后标记的含义应该是相等的

我希望你们能理解我想要实现的目标。 我也可以上传一张图片来澄清它

---

非常感谢

我认为用标准版本的Gephi无法做到这一点。您需要开发一个插件来实现流程的最后一步

---

Gephi很适合可视化和浏览图形，但（目前）在处理拓扑属性方面有更完整的工具。例如，该库（在C、R和python中提供）可能更适合您。请注意，您可以使用与Gephi和igraph兼容的文件格式，这允许您在相同的数据上使用这两种工具。

我能够解决我的问题。我必须自己导入这15个集群中的每一个。这样，我就可以在这几个点上使用模块化方法。

你能描述一下igraph是如何处理离群值的吗？我的意思是，如果3,4个点在一起，但距离所有其他点很远，它们要么合并成一个大的簇，要么组成离群值簇。