原文链接：http://tecdat.cn/?p=24886 

在网络上进行社区检测时，有时咱们不仅领有实体之间的分割。这些实体代表了咱们可能也想在网络可视化中代表的事实事物。

plot(g)

我应用数据集，代表了察看到的 18 位女性加入 14 场社交活动的状况。

不思考这个图是二向图，让咱们尝试将图划分为社区。有天然的分界线吗？让咱们依据节点所属的社区为节点着色：

community(g)col <- membership + 1plot

正如咱们所看到的，该算法找到了2个社区，乍一看，这种划分仿佛是正当的。无论如何，还有一种天然的划分是算法无奈找到的：事件/女性的二元关系。每个节点都有这样的属性："是女性 "或 "是事件"。让咱们用不同的形式来形容这个图的特色。咱们有14个事件。对于这些，咱们扭转它们的形态。 

shape <- "squa"shape <- "cice"plot(g)

如何从给定的网络中提取社区？

在网络中寻找社区是简单零碎范式下的一项常见工作。有几种办法能够应用十分不同的包对图进行社区分区。

网络社区检测算法

walktrap.community

该算法通过执行随机游走找到密集连贯的子图。这个想法是随机游走将偏向于留在社区内，而不是跳到其余社区。

边缘.两头.社区

这个算法就是Girvan-Newman算法。它是一种宰割算法，在每一步中，具备最高间性的边被从图中移除。对于每一次划分，你都能够计算出图的模块化水平。最初，在这个过程给你带来最高模块化值的中央抉择切割树状图。

Newman疾速算法(fast greedy)")

该算法是纽曼算法。在这种状况下，算法是凝聚的。在每一步，两组合并。合并是通过优化模块化决定的。这是一种疾速算法，但有一个贪心算法的毛病。因而，尽管我发现它有用且精确，但它可能不会产生最佳的整体社区划分。

自旋玻璃社群发现

该算法应用自旋玻璃模型和模拟退火来查找网络内的社区。

# 首先咱们加载ipgrah软件包 # 让咱们生成两个网络并将其合并为一个图。graph.union # 让咱们删除多线和循环simplify # 让咱们用Grivan-Newman算法看看这里是否有社区。# Grivan-Newman算法# 首先，咱们计算边缘间性、合并等。edge.betweenness.community # 当初咱们有了合并/拆分，咱们须要计算模块化。# 对于每个合并，咱们将应用一个函数，对于每个边被删除，将创立第二个图，查看其成员资格并应用该成员资格来计算模块化水平membership# -在原图g上计算模块化   modularit # 咱们当初能够绘制所有模块化的图plot # 当初，让咱们依据节点的成员资格为其着色removed.edgescolor=membership # 让咱们为图抉择一个布局layout # 绘制它plot # 如果咱们想应用 fastgreedy.community agorithm，咱们会这样做fastgreedy.communityplot

最受欢迎的见解

1.采纳spss-modeler的web简单网络对所有腧穴进行剖析

2.用R语言和python进行社交网络中的社区检测

3.R语言文本开掘NASA数据网络剖析，tf-idf和主题建模

4.在R语言中应用航空公司简单网络对疫情进行建模

5.python附属关系图模型 基于模型的网络中密集重叠社区检测

6.应用Python和SAS Viya剖析社交网络

7.关联网络分析：已迁离北京外来人口的数据画像

8.情感语义网络：游记数据感知游览目的地形象

9.用关联规定数据挖掘摸索药物配伍中的法则