R: igraph, обнаружение сообщества, метод edge.betweenness, подсчет / список членов каждого сообщества?
У меня есть относительно большой граф с вершинами: 524 краями: 1125, транзакций реального мира. Края направлены и имеют вес (включение необязательно). Я пытаюсь исследовать различные сообщества в графе и по существу нужен метод, который:
-Считает все возможные сообщества
-Расчитывает оптимальное количество сообществ
-Возвращает членов / количество членов каждого (оптимального) сообщества
До сих пор мне удалось собрать следующий код, который строит цветной кодовый график, соответствующий различным сообществам, однако я не знаю, как контролировать количество сообществ (то есть построить 5 лучших сообществ с наибольшим количеством участников) или список членов определенного сообщества.
library(igraph)
edges <- read.csv('http://dl.dropbox.com/u/23776534/Facebook%20%5BEdges%5D.csv')
all<-graph.data.frame(edges)
summary(all)
all_eb <- edge.betweenness.community(all)
mods <- sapply(0:ecount(all), function(i) {
all2 <- delete.edges(all, all_eb$removed.edges[seq(length=i)])
cl <- clusters(all2)$membership
modularity(all, cl)
})
plot(mods, type="l")
all2<-delete.edges(all, all_eb$removed.edges[seq(length=which.max(mods)-1)])
V(all)$color=clusters(all2)$membership
all$layout <- layout.fruchterman.reingold(all,weight=V(all)$weigth)
plot(all, vertex.size=4, vertex.label=NA, vertex.frame.color="black", edge.color="grey",
edge.arrow.size=0.1,rescale=TRUE,vertex.label=NA, edge.width=.1,vertex.label.font=NA)
Из-за того, что метод границы между ребрами работал так плохо, я попытался снова, используя метод walktrap
all_wt<- walktrap.community(all, steps=6,modularity=TRUE,labels=TRUE)
all_wt_memb <- community.to.membership(all, all_wt$merges, steps=which.max(all_wt$modularity)-1)
colbar <- rainbow(20)
col_wt<- colbar[all_wt_memb$membership+1]
l <- layout.fruchterman.reingold(all, niter=100)
plot(all, layout=l, vertex.size=3, vertex.color=col_wt, vertex.label=NA,edge.arrow.size=0.01,
main="Walktrap Method")
all_wt_memb$csize
[1] 176 13 204 24 9 263 16 2 8 4 12 8 9 19 15 3 6 2 1
19 кластеров - намного лучше!
Теперь скажите, что у меня был «известный кластер» со списком его членов, и я хотел проверить каждый из наблюдаемых кластеров на наличие членов «известного кластера». Возвращает процент найденных членов. Невозможно закончить следующее?
list<-read.csv("http://dl.dropbox.com/u/23776534/knownlist.csv")
ength(all_wt_memb$csize) #19
for(i in 1:length(all_wt_memb$csize))
{
match((V(all)[all_wt_memb$membership== i]),list)
}