在 R 中使用 igraph 进行社区检测的评估指标？答案

【问题标题】：evaluation metric for community detection using igraph in R?在 R 中使用 igraph 进行社区检测的评估指标？
【发布时间】：2014-12-10 14:50:58
【问题描述】：

我在图表中运行社区检测，并在此处列出的 igraph 中运行不同的社区检测算法：

  1. Edge-betweennes.community(w,-d)
  2. walktrap.community (w,-d)
  3. fastgreedy.community(w)
  4. spinglass.community (w,d, not for unconnected graph)
  5. infomap.community (w,d)
  6. label.propagation.community(w) 
  7. Multivel.community(w)
  8.leading.eigenvector.community (w)

因为我有两种类型的图，一种是有向加权的，另一种是无向无加权的，我可以同时使用的一个是四个（1,2,4,5），我在第四个上得到错误，因为我的图是一个未连接的图，所以有三个。现在我想使用此处http://lab41.github.io/Circulo/ 提供的不同评估指标来比较它们，因为我搜索了模块化和 compare.communities（此处列出的指标：http://www.inside-r.org/packages/cran/igraph/docs/compare.communities 是 ("vi", "nmi","split.join" , "rand","adjusted.rand) 在 igraph)。

我想知道的是：

是否有其他算法在 igraph 中实现但不在列表中？这也会给我带来重叠的社区。li>
这些指标中的哪一个可用于加权和有向图，igraph 中是否有任何实现？
还有哪个指标可以用于哪个算法？，当我浏览其中一篇文章“edge-betweeness”时，其中使用的指标是基本事实，它们与已知的社区图进行比较。

提前谢谢你。

【问题讨论】：

标签： r graph igraph modularity

【解决方案1】：

是的，有很多算法不在 iGraph 包中，仅举一个例子：RG+，在 2010 年的 Cluster "Cores and Modularity Maximization" 中提出。

到目前为止，模块化是评估社区的最佳指标。

edge.betweenness 只是为您提供所有边缘的中间中心值，它不是评估社区的衡量标准，但可以用于衡量社区。p>

【讨论】：