天才一秒记住【长江书屋】地址：https://www.cjshuwu.com
节点与网络中其他节点的交互都是通过其邻居节点来
进行的，因此节点的邻居越多，意味着该节点能够
向外传递的信息越多，从网络外部接受信息也越容易。
有向网络中，又可以定义出度中心度、入度中心度。
社区发现是根据网络中的边的连接模式，把网络划分为群组。
将网络划分为群组后最常见的属性是，同一群组内部的之间紧密连
接，而不同群组之间只有少数边连接。
社团发现的目的是就要找到网络内部不同群组之间的自然分割线。
简而言之，它是一个把网络自然划分为群组的问题，从而使得群组内有
许多边，而群组之间几乎没有边。
然而，“许多”
和“几乎没有”
到底是多少，
这个问题值得商榷，为此提出了多种不同的定义，从而产生了不同的社团发
现算法8基于层次聚类的算法。
第一阶段：称为dularity
optimization，主要是将每个节点划
分到与其邻接的节点所在的社区中，以使得模块度的
值不断变大；
第二阶段：称为munity
aggregation，主要是将第一步划分
出来的社区聚合成为一个点，即根据上一步生成的社
区结构重新构造网络。
重复以上的过程，直到网络中
的结构不再改变为止。
步骤：1.初始化，将每个点划分在不同的社区中；
2.对每个节点，将每个点尝试划分到与其邻接的点所在的社区中，计算此时
的模块度，判断划分前后的模块度的差值Δq是否为正数，若为正数，
则接受本次的划分，若不为正数，则放弃本次的划分；
3.重复以上的过程，直到不能再增大模块度为止；
4.构造新图，新图中的每个点代表的是步骤3中划出来的每个社区，继续执
行步骤2和步骤3，直到社区的结构不再改变为止。
！
在2中计算节点的顺序对模块度的计算是没有影响的，而是对计算时间有影响。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！