在两个图中找到重叠的模块化 - Python中的iGraph答案

【问题标题】：Find overlapping modularity in two graphs - iGraph in Python在两个图中找到重叠的模块化 - Python中的iGraph
【发布时间】：2016-09-28 06:08:31
【问题描述】：

我在 iGraph 中创建了两个相关的图，A 和 G。我使用 infomap 或 label_propagation 方法在 G 中找到了结构中的社区（因为它们是两个允许加权的定向链接）。从这里，我可以看到这个社区对于 G 图的模块化。但是，我需要看看这将为 A 图提供什么样的模块化。我该怎么做？

【问题讨论】：

“相关”是什么意思？相同的节点但不同的链接？
是的。这两个图具有相同的顶点。但是，其中一个是“盟友”图，其中链接表示互助，另一个是“敌人”图，其中链接表示攻击。我想使用盟友图 (G) 来获得社区结构，然后通过查看是否存在负模块化来查看它是否与敌人图 (A) 相关（或者更确切地说，反相关）。
除了我的回答：您可能还对相关聚类 (en.wikipedia.org/wiki/Correlation_clustering) 感兴趣，这个问题或多或少等同于签名图中的社区检测。它包括找到一个分区，使得大多数积极的链接在零件内部，而大多数消极的链接在零件之间。

标签： python graph igraph

【解决方案1】：

您是否尝试过使用modularity 函数？

im <- infomap.community(graph=G)
qG <- modularity(im)
memb <- membership(im)
qA <- modularity(x=A, membership=memb, weights=E(A)$weight)
cat("qG=",qG," vs. qA=",qA,"\n",sep="")

注意：使用 igraph v0.7 测试，我现在没有更新的版本。参数/函数名称可能略有不同。

【讨论】：

我知道这是旧的，但这是 R 的答案，而不是 python。

【解决方案2】：

所以我想通了。您需要做的是找到一个社区结构，可以是预定义的，也可以使用为社区检测提供的方法之一，例如 infomap 或 label_propagation。这为您提供了一个顶点聚类，您可以使用它来放置在另一个图上并从中使用 .q 来查找模块化。

【讨论】：

我会展示您的代码，以便将来对人们更有帮助。