informal
·
重叠社区检测
💡
原文中文，约1700字，阅读约需4分钟。
📝
内容提要
同构图与异构图的主要区别在于，异构图更能反映实际情况。本文介绍了几种重叠社区检测算法，包括LinkComm、CPM、SLPA和LEMON，分析了它们的优缺点及适用场景。
🎯
关键要点
- 同构图与异构图的主要区别在于，异构图更能反映实际情况。
- 异构图中同一个节点可能属于不同的社区，需要使用重叠社区检测算法。
- LinkComm是边划分方法的代表，以边为基本元素进行社区划分。
- LinkComm的社团密度定义为(社区实际的边数 - 要连通的基本边数) / (全连接社区边数 - 基本边数)。
- CPM是Clique Percolation类方法的代表，包含寻找完全子图和判断社团归属两个步骤。
- CPM的超参k由人工设置，社团划分结果依赖该值，适用于联通子图较多的场景。
- SLPA算法通过邻居节点的标签迭代赋值，直到标签稳定。
- LEMON是种子扩张类算法，用于扩充已知社区的其他节点，适合做扩召回。
- 不同算法的优缺点和适用场景各异，需根据实际情况选择合适的算法。
❓
延伸问答
重叠社区检测算法的主要类型有哪些？
主要有LinkComm、CPM、SLPA和LEMON四种算法。
LinkComm算法的基本原理是什么？
LinkComm是边划分方法，以边为基本元素进行社区划分，社团密度通过边的合并来优化。
CPM算法的超参数k有什么影响？
超参数k由人工设置，社团划分结果依赖该值，适用于联通子图较多的场景。
SLPA算法的迭代过程是怎样的？
SLPA算法通过邻居节点的标签迭代赋值，直到标签稳定，每个节点保留占比高的标签作为其社团标签。
LEMON算法的主要用途是什么？
LEMON算法用于扩充已知社区的其他节点，适合做扩召回。
异构图与同构图的主要区别是什么？
异构图能更好地反映实际情况，允许同一节点属于不同社区，而同构图则要求每个节点类型相同。
➡️
