通过大量步骤使用walktrap检测网络社区

我正在尝试使用“walktrap”的R实现在我的网络中查找社区。我的网络由大约300个节点组成，并且连接紧密。正常的程序是使用4或5个步骤来指定随机游动的长度，但我尝试使用10000个步骤来观察会发生什么：

a=walktrap.community(g, weights = NULL, steps = 10000, 
    merges =TRUE, modularity = TRUE, membership = TRUE)  

生成的树状图看起来比只有4个步骤的树状图更有意义。但我不明白为什么我会得到一个树状图。根据Pons和Latapy的论文，在无限步的极限范围内，任意两个节点之间的距离似乎为零（r_{ij}）。我的网络（g）是定向的，但手册中说在算法中忽略了方向

---

有人能解释一下吗？

如果你仔细看这篇论文，你会发现这篇论文的“真实”名字实际上是，
使用“短”随机游动在大型网络中计算社区。 本文中的性质1告诉我们，当步长为无穷大时，顶点i和顶点j之间的距离仅取决于顶点j的阶数。

---

所以，若你们把步长设置得很大，你们的图是一个密集的（尽管我不知道你们的图有多密集）网络。顶点1和其他299个顶点之间的距离相同。它最终只会有一个社区。

我想你需要询问论文的作者，或者检查实现的源代码。