【积】有向图中的louvain社区检测（二）

有向图中的louvain社区检测

请学着自己长大，参考连接《无向louvain社团算法》

无向到有向的修改真的很简单。如果你连这个都做不到，建议不要用了。每个算法与数据匹配的时候，都会对数据或者算法小修。如果你连小修都做不到的话，好好学习基础内容了，别想着飞了。。。。。
而且，会看这个的都是刚入门的。。。。尝试自己努力一把，毕竟这个还有指导你修改的方向。如果更深的，没人指导，还做的出来吗？

一、模块度概念

公式可以简化为：
$$\Delta Q=\frac{S_{i,in}}{w}-\frac{{\sum }_{tot}^{in}{S}_i^{out}+{\sum }_{tot}^{out}{S}_i^{in}}{w^2}$$

二、算法修改

louvain算法分为循环迭代两个阶段。具体的算法思路与无向加权网络相同。可以看上一篇文章。
在最初的划分过程中，有多少个节点就有多少个社团

• 第一阶段

1. 任意选择一个节点vid,考虑其关注的节点(即出边的邻居)wid.这里与无向图不同
2. 将节点vid移动到wid所在的社区，
3. 评估模块度收益

S_vin:表示节点vid的入边的权重总和=$S_i^{in}$
s_vout:表示节点vid的出边的权重总和=$S_i^{out}$
tot_out:社区内部的节点指向社区外部节点的所有边的权重之和=${\sum }_{tot}^{out}$
tot_in：社区外部的节点指向社区内部节点的所有边的权重之和=${\sum }_{tot}^{in}$
k_vcin:表示节点vid与wid所在社区的连边的权重之和

3. 节点vid最终放入模块度收益最大的它关注节点所在的社团，并且这个收益为正

三、图片示意

文件。txt

101 103 3
102 103 1
102 105 2
102 102 4
103 105 2
104 101 2
105 103 1
107 106 3
107 204 2
201 105 1
201 202 2
202 201 3
202 203 3
203 202 3
203 201 4
203 204 1
204 107 3