使用 walktrap 使用大量步骤检测网络社区答案

【问题标题】：detecting network communities using walktrap using a large number of steps使用 walktrap 使用大量步骤检测网络社区
【发布时间】：2014-07-14 18:35:39
【问题描述】：

我正在尝试使用“walktrap”的 R 实现在我的网络中查找社区。我的网络由大约 300 个节点组成，并且连接密集。正常的程序是使用 4 或 5 步来指定随机游走的长度，但我尝试使用 10000 步来看看会发生什么：

a=walktrap.community(g, weights = NULL, steps = 10000, 
    merges =TRUE, modularity = TRUE, membership = TRUE)

生成的树状图看起来比只有 4 个步骤的树状图更有意义。但我不明白为什么我会得到一个树状图。根据 Pons 和 Latapy 论文，在无限步的限制中，任何两个节点之间的距离似乎都变为零（r_{ij}）。我的网络 (g) 是定向的，但在手册中说算法中忽略了方向。

有人能解释一下吗？

【问题讨论】：

我猜你需要询问论文的作者，或者查看实现的源代码。

标签： r graph igraph

【解决方案1】：

如果你查看论文，那么你会发现论文的“真实”名称实际上是，
使用“短”随机游走计算大型网络中的社区。论文中的属性 1 告诉我们，顶点 i 和顶点 j 之间的距离仅取决于步长无限时顶点 j 的度数。

因此，如果您将 step 设置得非常大并且您的图是密集的（尽管我不知道您的图有多密集）网络。 1号顶点与其他299个顶点之间的距离相同。最终将只有一个社区。p>

【讨论】：