R中的Louvain社区检测使用igraph - 边缘和顶点格式-Java 学习之路

我有一个得分的相关矩阵，我想在igraph中使用Louvain方法进行社区检测，在R.我使用 cor2dist 将相关矩阵转换为距离矩阵，如下所示：

distancematrix <- cor2dist(correlationmatrix)

这给出了距离0-2的400 x 400矩阵 . 然后我使用以下方法从http://kateto.net/networks-r-igraph（第3.1节）制作了边缘（距离）和顶点（每个400个人）的列表 .

library(igraph)
test <- as.matrix(distancematrix)
mode(test) <- "numeric"
test2 <- graph.adjacency(test, mode = "undirected", weighted = TRUE, diag = TRUE)
E(test2)$weight
get.edgelist(test2)

然后，我写了'from'和'to'边缘列表的csv文件，以及相应的权重：

edgeweights <-E(test2)$weight
write.csv(edgeweights, file = "edgeweights.csv")
fromtolist <- get.edgelist(test2)
write.csv(fromtolist, file = "fromtolist.csv")

从这两个文件中我创建了一个名为“nodes.csv”的.csv文件，该文件只包含400个人的所有顶点ID：

id
1
2
3
4
...
400

还有一个名为“edges.csv”的.csv文件，详细说明了每个节点之间的“from”和“to”，并提供了每个边缘的权重（即距离度量）：

from    to   weight
1       2    0.99
1       3    1.20
1       4    1.48
...
399     400  0.70

然后我尝试使用此节点和边缘列表来创建igraph对象，并以下列方式运行louvain群集：

nodes <- read.csv("nodes.csv", header = TRUE, as.is = TRUE)
edges <- read.csv("edges.csv", header = TRUE, as.is = TRUE)
clustergraph <- graph_from_data_frame(edges, directed = FALSE, vertices = nodes)
clusterlouvain <- cluster_louvain(clustergraph)

不幸的是，这并没有正确地进行louvain社区检测 . 我预计这将返回2-4个不同的社区，可以与here类似地绘制，但 sizes(clusterlouvain) 返回：

Community sizes
 1 
 400

表明所有人都被分到同一个社区 . 聚类也立即运行（即几乎没有计算时间），这也让我觉得它无法正常工作 .

My question is: 任何人都可以建议为什么cluster_louvain方法不起作用并且只识别一个社区？我认为我必须错误地指定距离矩阵或边/节点，或者以其他方式不给cluster_louvain方法提供正确的输入 . 我对R比较新，所以非常感谢任何建议 . 我已经在相同的距离矩阵（即k-means）上成功地使用了其他社区检测方法，这些方法确定了2-3个社区，但是我想知道我在这里做错了什么 .

我知道在R中有多个关于使用igraph的其他查询，但我没有找到一个明确指定边缘和节点的输入格式（来自相关矩阵）以使louvain社区检测正常工作 .

谢谢你的建议！如果有帮助，我可以提供更多信息 .

1 回答

1
我相信 cluster_louvain 完全应该对你的数据做了什么 . 问题是你的图 . 你的代码包括 get.edgelist(test2) 行 . 这必须产生大量的产出 . 相反，试试吧
```
vcount(test2)
ecount(test2)
```
既然你说你的相关矩阵是400x400，我希望你会得到vcount给出400而ecount给出79800 = 400 * 399 / 2.当你构建它时，每个节点都直接连接到所有其他节点 . 当然只有一个大社区 .

我怀疑你要做的是组相关的变量 . 如果相关性接近零，则变量应该是未连接的 . 似乎不太清楚的是如何处理相关性接近-1的变量 . 你想要他们连接吗？我们可以这样做 .

您没有提供任何数据，因此我将使用 mlbench 包中的Ionosphere数据进行说明 . 我将尝试非常密切地模仿您的代码，但会更改一些变量名称 . 另外，对于我的目的，将边写入文件然后再读回它是没有意义的，所以我将直接使用构造的边 .

首先，假设您希望连接具有接近-1的相关性的变量 .
```
library(igraph)
library(mlbench)    # for Ionosphere data
library(psych)      # for cor2dist
data(Ionosphere)

correlationmatrix = cor(Ionosphere[, which(sapply(Ionosphere, class) == 'numeric')])
distancematrix <- cor2dist(correlationmatrix)

DM1 <- as.matrix(distancematrix)
## Zero out connections where there is low (absolute) correlation
## Keeps connection for cor ~ -1
## You may wish to choose a different threshhold
DM1[abs(correlationmatrix) < 0.33] = 0

G1 <- graph.adjacency(DM1, mode = "undirected", weighted = TRUE, diag = TRUE)
vcount(G1)
[1] 32
ecount(G1)
[1] 140
```
不是完全连接的图形！现在让我们找到社区 .
```
clusterlouvain <- cluster_louvain(G1)
plot(G1, vertex.color=rainbow(3, alpha=0.6)[clusterlouvain$membership])
```
相反，如果您不希望连接具有负相关的变量，只需去除上面的绝对值 . 这应该少得多
```
DM2 <- as.matrix(distancematrix)
## Zero out connections where there is low correlation
DM2[correlationmatrix < 0.33] = 0

G2 <- graph.adjacency(DM2, mode = "undirected", weighted = TRUE, diag = TRUE)
clusterlouvain <- cluster_louvain(G2)
plot(G2, vertex.color=rainbow(4, alpha=0.6)[clusterlouvain$membership])
```
回复于 2024-05-03T12:01:12+08:00

R中的Louvain社区检测使用igraph - 边缘和顶点格式

1 回答

相关问题