Python 与igraph或其他图书馆重叠的社区检测

我想在小型网络/图形中检测重叠社区。通过重叠，我的意思是一个节点可以包含在检测算法输出中的多个社区/集群中

我已经研究了当前由igraph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Python中此类算法的一些实现。但是，用其他语言实现也可以。

如果您不介意使用另一种编程语言，您可以使用（Java），它基于派系渗透（它基本上寻找紧密连接的派系），（C++），它优化了统计度量，当然还有其他

否则，如果您想坚持使用python，还可以通过以下方式应用该方法：1）将图形转换为线图，2）对其应用常规社区检测方法，例如使用IGRAPHE，以及3）获得重叠社区。将图形转换为线图看起来并不太复杂，而且应该很快，前提是原始图形不太大。无论如何，它将比执行社区检测本身更快

注意，除了Evans&Lambiotte的方法外，还有其他方法可以从常规（互斥社区）方法中获得重叠社区，例如or的方法。然而，实现它们似乎不那么简单。

我不久前使用igraph的Python接口实现了Ahn等人的算法；请参阅其源代码

另外，使用igraph在Python中实现CFinder相当容易；这就是我想到的：

#!/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"])

根据这一点，networkx现在可以计算重叠社区

下面的代码是用于派克渗流方法的，可在Networkx 11.6中获得。Github

---

实现的CFinder。如果使用python，Networkx已经实现了相同的（）

---

Python

networkx

库现在有更广泛的社区检测算法。卡拉现在给出的例子是：

>>来自networkx.algorithms.community导入k_集团_社区
>>>G=nx.完整的_图（5）
>>>K5=nx。将节点标签转换为整数（G，第一个标签=2）
>>>G.从（K5.edges（））添加边
>>>c=名单（k_集团_社区（G，4））
>>>列表（c[0]）
[0, 1, 2, 3, 4, 5, 6]
>>>名单（k_集团_社区（G，6））
[]

社区文档如下：

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))

>>> 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))