社交网络中的社区发现算法

本博客主要是对Finding and evaluating communitystructure in networks  ——GirvanNewman

该论文的解读。

介绍

社交网络中的社区发现算法_第1张图片
社交网络中的社区发现算法_第2张图片

社交网络中的社区发现算法_第3张图片

相关定义


社交网络中的社区发现算法_第4张图片


社交网络中的社区发现算法_第5张图片


社交网络中的社区发现算法_第6张图片



GN算法


社交网络中的社区发现算法_第7张图片

连接社区之间的边介数大,社区内部的边介数小。通过删边发现社区



社交网络中的社区发现算法_第8张图片

举例

社交网络中的社区发现算法_第9张图片



社交网络中的社区发现算法_第10张图片

第一步:从节点s开始,执行一个广度优先搜索,确定一个节点的最短路径数量


社交网络中的社区发现算法_第11张图片

红色数字:边介数  黄色数字:节点介数

每个节点都要进行一遍广度优先搜索,计算边介数,也就是说上面的一、二两步要执行九次。然后 将这九次所有点介数加起来除以2 ,得到最终点介数。同样 边介数的计算也一样,将九个二叉树的边介数加起来除以2得到最终边介数




社交网络中的社区发现算法_第12张图片

社交网络中的社区发现算法_第13张图片


问题

为什么计算点介数、边介数的时候要除以2?



你可能感兴趣的:(数据挖掘)