图聚类算法答案

【问题标题】：Graph clustering algorithm图聚类算法
【发布时间】：2018-07-24 11:58:49
【问题描述】：

我可以解释我正在寻找的最佳方式是使用这张图片：

显然，视觉辅助使我们更容易对这些图进行分组，但我也认为找到密集子图应该是使用算法可以解决的问题。我尝试了 MCL 算法，因为它很受欢迎，但它不能正常工作，因为它至少看起来不允许定向边缘。我试图对边缘进行不同的加权，但这也无助于聚类过程。我想在图中找到密集点，而且我确实有办法验证给定集群是否可行，但在某些情况下，如果这有帮助，某些元素就不能在一起。

输出将是：

集群 0：A、B、C

第 1 组：D、E、F、G

在这种情况下，如果 D 是可疑元素，使用不同的方法我可以找出属于哪个集群。

【问题讨论】：

边缘方向与聚类决策有何关系？如果你移除方向性并且在节点之间只有双边，那么大约 any 图聚类算法将找到那个单一的切点。顺便说一句，搜索“graph cluster cut”应该会给你很多参考。
我可以轻松摆脱方向，它们并不重要，我真的不需要添加它们。其中一些具有双重优势的事实很重要。我尝试了 MCL 算法，但无法将它们聚类。我使用单边，重量为 2 的双边和 1 的单边。我没有运气。那是你要去的地方吗？
你能澄清你的问题吗？我不再确定你想要什么。您不是在寻找我们来调试您的算法：您会发布一个 MCVE。您没有考虑其他算法：您现在已经尝试过您的搜索命中或@Ray 的指针。
不，我会这样做，但我只是想了解您原来的评论是什么意思。

标签： python graph cluster-analysis

【解决方案1】：

这个问题本身就是一个研究领域（也是我博士论文的一部分......）最佳解决方案通常取决于您对“集群”或“社区”的数学定义。例如，您可以最小化簇间边的数量，称为graph partition problem。

Fortunato 就这个主题写了一篇很好的评论论文： https://arxiv.org/pdf/0906.0612

除了我们自己的方法外，我个人最喜欢的是模拟退火。

【讨论】：

很好的提示，谢谢。我正在阅读图表中的社区检测。它非常密集，但似乎它正在做我所追求的。