计算每一步的模块化答案

【问题标题】：calculate the modularity on each step计算每一步的模块化
【发布时间】：2012-12-29 06:24:53
【问题描述】：

library(igraph)
g=graph.famous("Zachary")
c=edge.betweenness.community(g)
a=membership(c)
c$merges
b=community.to.membership(g,c$merges,steps=33)

[1] 1 1 2 1 3 3 3 1 4 5 3 1 1 1 4 4 3 1 4 1 4 1 4 4 2 2 4 2 2 4 4 2 4 4

[1] 9 4 0 0 0 0 5 0 3 2 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 6 0 0 0 0 7 0 0 8

我希望 b 与 members(c) 相同，因为有 33 个步骤。但是为什么 b 与membership(c) 不同呢？

【问题讨论】：

标签： r social-networking igraph complex-networks

【解决方案1】：

这似乎是 igraph 中的一个错误，因为即使以下内容也不起作用：

> library(igraph)
> g <- graph.full(3)
> c <- edge.betweenness.community(g)
> community.to.membership(g, c$merges, steps=1)$membership

这给了我1 2 0的会员向量，这显然是错误的；正确的结果应该是1 0 0 或0 1 1。实际上，您可以通过从合并矩阵中减去 1 来修复该错误：

> g <- graph.famous("zachary")
> c <- edge.betweenness.community(g)
> membership(c)
[1] 1 1 2 1 3 3 3 1 4 5 3 1 1 1 4 4 3 1 4 1 4 1 4 4 2 2 4 2 2 4 4 2 4 4
> community.to.membership(g, c$merges-1, steps=29)$membership
[1] 0 0 2 0 3 3 3 0 1 4 3 0 0 0 1 1 3 0 1 0 1 0 1 1 2 2 1 2 2 1 1 2 1 1

这两个成员向量本质上是相同的（有一点重新索引）。请注意，您只需要 29 步即可达到相同的隶属度向量，因为图中有 34 个顶点，并且您有 5 个社区，因此您需要执行 34-5=29 次合并。执行 33 个步骤只会让您获得一个社区。p>

我将在 igraph 的错误跟踪器中为此提交错误报告。

【讨论】：

太棒了！你是如何通过从合并矩阵中减去 1 来找到这个解决方案的？我觉得解决这个问题的过程很重要。谢谢。
好吧，我在作弊 ;) 我是 igraph 的开发人员之一，我知道 R 接口最近已从基于零的索引切换（这在 igraph 的 C 核心中非常自然）到从 1 开始的索引（这是大多数 R 用户所期望的），所以我只是怀疑 community.to.membership 从网络中溜走，仍然期望从零开始的合并矩阵。