R igraph 手册页

cluster_infomap {igraph}

R 文档

Infomap 社区发现

描述

找到使得随机游走轨迹的预期描述长度最小化的社区结构

用法

cluster_infomap(
  graph,
  e.weights = NULL,
  v.weights = NULL,
  nb.trials = 10,
  modularity = TRUE
)

参数

图	输入图。
e.weights	如果不是 NULL，则为边的权重数值向量。长度必须与图中的边数匹配。默认情况下，’weight’ 边属性用作权重。如果不存在，则所有边都被认为具有相同的权重。较大的边权重对应于更强的连接。
v.weights	如果不是 NULL，则为顶点的权重数值向量。长度必须与图中的顶点数匹配。默认情况下，’weight’ 顶点属性用作权重。如果不存在，则所有顶点都被认为具有相同的权重。较大的顶点权重意味着随机冲浪者跳转到该顶点的概率更大。
nb.trials	尝试划分网络的次数（可以是等于或大于 1 的任何整数值）。
modularity	逻辑标量，是否计算检测到的社区结构的模块化得分。

详细信息

请参阅下面给出的参考文献中的此方法的详细信息。

值

cluster_infomap 返回一个 communities 对象，请参阅 communities 手册页以获取详细信息。

作者

Martin Rosvall 编写了原始 C++ 代码。 Emmanuel Navarro 将其移植为更像 igraph 的代码。 R 接口和一些修饰由 Gabor Csardi csardi.gabor@gmail.com 完成。

参考

原始论文：M. Rosvall 和 C. T. Bergstrom，Maps of information flow reveal community structure in complex networks, PNAS 105, 1118 (2008) doi:10.1073/pnas.0706851105, https://arxiv.org/abs/0707.0609

更详细的论文：M. Rosvall, D. Axelsson, and C. T. Bergstrom, The map equation, Eur. Phys. J. Special Topics 178, 13 (2009). doi:10.1140/epjst/e2010-01179-1, https://arxiv.org/abs/0906.1405.

参见

其他社区发现方法和 communities。

示例

## Zachary's karate club
g <- make_graph("Zachary")

imc <- cluster_infomap(g)
membership(imc)
communities(imc)

---