图社区结构分析方法详解
1. 引言
在图分析领域，识别图中的社区结构是一项重要任务。社区结构指的是图中节点形成的紧密子群体，这些子群体内部连接紧密，而子群体之间的连接相对稀疏。本文将详细介绍几种常见的图社区结构分析方法，包括谱二分法、层次聚类法和 Girvan - Newman 方法，并通过实际例子展示这些方法的应用。
2. 谱二分法
谱二分法是一种基于图的特征向量来划分社区的方法。以 Zachary’s karate club 网络为例，通过谱二分法可以找到两个社区，节点的两种不同灰色调表示这两个社区，而圆圈和方块表示俱乐部在研究过程中实际分裂成的两个派别，只有节点 3 被错误分类。
谱二分法的具体步骤如下：
1. 利用 Fiedler 特征向量的正负分量进行第一次二分。
2. 得到的两个子图中，一个是具有 10 个节点的完全图，另一个是由两个分别具有 4 个和 6 个节点的完全图通过一条边连接而成。
3. 对后一个子图进行第二次二分，将其分为分别具有 4 个和 6 个节点的两个子图。
4. 最终得到三个社区，节点数分别为 (N_1 = 4)、(N_2 = 6) 和 (N_3 = 10)。
谱二分法可以提供关于各个社区数量和大小的一些信息，但如果要对图的节点进行层次聚类，其他方法可能更合适。
3. 层次聚类法
3.1 聚类问题概述
层次聚类法是一种将数据或对象组织成相似组或簇的通用方法。在聚类问题中，我们给定一组 (N) 个元素，每个元素由一组参数来定量描述其属性，目标是将相似的对象分组在一起，使得每个簇中的对象具有相似的属性。
