我有一个相对较大的图形,顶点:524边缘:1125,真实世界的交易。边缘是指向和有重量(包含是可选的)。 我试图探讨在图形中的各个社区,基本上需要一个方法,其中:R:igraph,社区检测,edge.betweenness方法,每个社区的count/list成员?
-Calculates所有可能的社区
-Calculates社区
的最佳数量- 返回成员/#的每个(最佳)社区的成员
到目前为止,我已经设法将以下代码绘制成对应于各个社区的彩色编码图,但是我不知道如何控制社区数量(即使用h绘制前5个社区最高成员资格)或列出特定社区的成员。
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)$weigth)
plot(all, vertex.size=4, vertex.label=NA, vertex.frame.color="black", edge.color="grey",
edge.arrow.size=0.1,rescale=TRUE,vertex.label=NA, edge.width=.1,vertex.label.font=NA)
因为边介方法进行这么差我试图再次使用walktrap方法:
all_wt<- walktrap.community(all, steps=6,modularity=TRUE,labels=TRUE)
all_wt_memb <- community.to.membership(all, all_wt$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$csize
[1] 176 13 204 24 9 263 16 2 8 4 12 8 9 19 15 3 6 2 1
19集群 - 好多了!
现在说我有一个“已知群集”,其成员列表并希望检查每个观察群集中是否存在来自“已知群集”的成员。返回找到的成员的百分比。无法完成以下内容?
list<-read.csv("http://dl.dropbox.com/u/23776534/knownlist.csv")
ength(all_wt_memb$csize) #19
for(i in 1:length(all_wt_memb$csize))
{
match((V(all)[all_wt_memb$membership== i]),list)
}
你能提供代码来创建'all'对象吗?或者,如果它太大,至少它的一些小版本?我很难重新创建问题。 – 2012-03-26 20:16:28
@JeffAllen,道歉添加了一些示例Facebook数据,我正在处理的实际数据是这个大小的〜50倍。谢谢 – 2012-03-26 20:55:51
@JeffAllen,感谢一百万的帮助。你会注意到我改变了上面的社区检测方法以提高性能。任何关于如何解决我的匹配问题的建议? – 2012-03-27 20:17:52