欢迎来到 gcviz :dna: 该项目将相关的社区检测算法应用于基因交互网络。 Flask Web 应用程序可让您可视化应用的每个算法的分区结果。 您可以探索和合并社区，以及分析它们的底层基因。 目前支持的算法： 名称 描述 模块化 图书馆 鲁汶 贪婪的模块化最大化 0.69 python-louvain 流体C 流体社区检测 0.63 网络x 克劳塞特-纽曼-摩尔 模块化最大化 0.61 网络x 节点2向量 使用 kmeans 聚类的图节点嵌入。 0.65 节点2向量 Kernigan-Lin 对分法 最小化切割（递归应用） 0.06 网络x 光谱聚类 基于图拉普拉斯矩阵的幽灵 0.66 scikit-学习 格文-纽曼 基于边缘介数 0.04 网络x :whale: 码头工人 通过docker快速开始使用web应用： $ docker build -t gcviz:l

matlab多元参数非线性回归模型代码很棒的社区检测研究论文 包含实施的社区检测文件的集合。 关于，，和具有实现的论文的相似集合。 目录 因式分解 用于图聚类的Gromov-Wasserstein分解模型（AAAI 2020） 徐洪腾 具有自动聚类的图形嵌入（ASONAM 2019） Benedek Rozemberczki，Ryan Davies，Rik Sarkar和Charles Sutton 一致性遇到不一致：用于多视图集群的统一图学习框架（ICDM 2019） 梁有为，黄东和王昌东 GMC：基于图的多视图聚类（TKDE 2019） 王浩，杨艳，刘冰 基于嵌入的Silhouette社区检测（Arxiv 2019） 布拉兹·斯克里（BlažŠkrlj），扬·克拉里（Jan Kralj），纳达·拉夫拉奇（NadaLavrač） 知识图增强社区检测和表征（WSDM 2019） Shreyansh Bhatt，Swati Padhee，Amit Sheth，Keke Chen，Valerie Shalin，Derek Doran和Brandon Minnery 离散最优图聚类（IEEE

在在线社交网络中的虚拟社区检测领域，大多数现有方法经常从单一角度检测社区，而忽略了网络相关特性对社区检测的影响。 所有这些降低了社区划分结果的可解释性和准确性。 为了解决这个问题，提出了一种在线社交网络的虚拟社区检测模型框架。 该模型框架考虑了影响社区检测结果的三个关键因素：结构特征，属性信息和节点对网络的影响程度。 提出的模型不仅是现有社区检测模型的映射，而且是为社区检测方法设计更多未来模型的参考。

由于社区结构是复杂网络的重要特征，近年来对社区检测的研究越来越受到人们的关注。尽管大多数研究者致力于识别不相交的社区，但许多真实网络中的社区经常重叠。在本文中，我们提出了一种新颖的MCLC算法，该算法利用线形图上的随机游动和吸引力强度来发现重叠社区。 与传统的从节点开始的随机游走不同，我们的随机游走从链接开始。 首先，我们将无向网络图转换为加权线图，然后在该图上随机游走。线图可以与马尔可夫链相关联。 通过计算马尔可夫链的转移概率，我们获得了链对之间的相似性。 接下来，可以通过链接方法将链接聚类为“链接社区”，并且链接社区之间的这些节点可以是重叠节点。 在将“链接社区”转换为“节点社区”时，我们定义了吸引强度以控制重叠大小。 最终，允许将检测到的社区重叠。 在合成网络和一些真实世界的网络上进行的实验验证了该算法的有效性和有效性。将重叠模块Qov与其他相关算法进行比较，该算法的结果令人满意。

莱德纳尔格 该软件包在C++实现了Leiden算法，并将其公开给python 。 它依靠(python-)igraph来起作用。 除了实现的相对灵活性外，它还可以很好地扩展，并且可以在数百万个节点的图形上运行（只要它们可以容纳在内存中即可）。 核心功能是find_partition ，它使用Leiden算法查找最佳分区，它是Louvain算法对于许多不同方法的扩展。 当前实现的方法是（1）模块化 ，（2）使用配置无效模型和Erdös-Rényi无效模型Reichardt和Bornholdt模型，（3）恒定Potts模型（CPM） ， （4）重要性 ，最后（5）惊奇 。 另外，它支持多路复用分区优化，允许在例如负面链接或多个时间片上进行社区检测。 有可能仅部分优化分区，以使某些社区分配保持固定 。 它还为二分图上的社区检测提供了一些支持。 有关更多信息，请参见。 安装 简而言之： pi

提供了Fast unfolding of communities in large networks 的源件以及其matlab代码

我们介绍了社区检测工具箱（CDTB），这是一个可用于执行社区检测的MATLAB工具箱。 CDTB包含以下类别的几种功能。 1.图生成器2.聚类算法； 2.集群号选择功能； 4.聚类评估功能。 此外，CDTB以参数化方式设计，因此用户可以添加自己的功能和扩展。 CDTB至少可以以三种方式使用。 用户可以从MATLAB命令行中使用这些功能。 或者他可以编写自己的包含CDTB功能的代码； 也可以使用图形用户界面（GUI）来自动进行社区检测，并包括一些数据可视化选项。

社区发现 使用属性和结构相似性进行社区检测。 安装： pip install community_detect 依存关系： NetworkX Matplotlib 用法： Import: from community_detect import Community 初始化： com = Community(alpha_weight = 0.5) #You can add your own value for Alpha 职能： Main method: get_communities(Graph, #Your Graph Vertices, #List of Vertices Similarity Matrix, #Similarity

鲁汶社区检测 正在安装 要从源代码构建和安装，请运行 python setup.py install 您也可以从pip安装 pip install python-louvain pip上的软件包名称是python-louvain但已作为community导入到python中。 有关此模块的更多文档，请参见 用法 用作Python库 import community as community_louvain import matplotlib . cm as cm import matplotlib . pyplot as plt import networkx as nx # load the karate club graph G = nx . karate_club_graph () # compute the best partition partition = communit

用于社区发现算法测试的公共数据集，为football联赛数据集。大家公认数据集