Python 一种有效的k-团群算法

我在我的网络数据上运行networkX中的

k_claiques\u communities

，该数据有~600个节点和~10000条边，我遇到内存错误。相同的代码可应用于具有约600个节点和约9000条边且无错误的类似网络。 节点和边的数量基本相同，但第一次遇到内存错误

---

什么可能导致此问题？我如何解决此问题？是否因为有效性？

获得更多内存？导致内存错误的可能不是节点和边的数量，而是发现的小团体的数量。你不会碰巧在同一个数据集上运行代码，是吗？所有这些数据集的派系数都设置为3。当你说它们是相似的网络时，你能给我们一个估计，你希望它在每个数据集中找到多少派系吗？如果尝试k的值足够大，可能不会出现错误。你能这样做，然后开始减少k直到你得到一个错误吗？然后告诉我们，当k值略高于给出误差的值时，两个网络的结果是什么？我想你会看到这两个网络之间的巨大差异。