基于GraphX实现的community detection算法--Label Propagation分析

Label Propagation（简称LPA）

算法的优点

是一个简单容易理解的算法，主要用于community detection，它不用我们预先给定community的数量，可以控制迭代的次数去将图中节点去分类。

LPA的另一个极大的优点在于scalability，非常适合用来处理large graph，因为算法的实质是 vertex-centric model，所以其实是可以在Map-Reduce上实现它。

算法的大致思想描述如下：
1. 构造图graph。为graph中的每个顶点，分配一个唯一的label。一般可以考虑用node的id当成它的label id;

2. 开始计算每个node新的label。规则是，统计node周围所有邻居的label，出现次数最多的label将被设置成这个node的新label;

3. 如果邻居中出现次数最多的label有多个，那么随机的选择其中的一个label (例如在起始计算中，因为每个node的label都是唯一的，所以每个node周围所有的label出现次数都是1，这时候相当于随机的选择一个邻居的label作为自己的label);

4. 计算所有node之后，判断是否达到了终止条件，如果没有，回到第2步继续计算;

5. 经过几次迭代，到达终止条件，算法完成。现在图中，具有相同label的node属于同一个community。

算法终止条件：它要求所有的node都满足:

 node的label一定是它的邻居label中出现次数最多的(或最多的之一)，这意味着，每个node的邻居中，和它处于同一个community的数量一定大于等于处于其它community的数量。

以上是LPA算法的原理

spark的graphx实现版本如下：

本人也实现一个版本，但是相对与这个版本来说实在惭愧，所以打算用好的例子去分析。

这个算法可能会出现在下个版本的GraphX的Lib中。

代码相对于GN来说还是比较简洁的，原理我在注释写了，需要注意的是由于该实现的算法没有控制发送消息的条件，是要控制迭代的次数的，如果迭代的次数过多，就容易所有都打上一样的标签，这个还是要自己按要求去控制吧。

最后，由于算法原理不是我看论文翻译出来的，所以标记个算法原理的出处：

http://greatpowerlaw.wordpress.com/2013/02/08/community-detection-lpa/