未加权图的聚类算法

Question

我有未加权和无向图作为我的网络，基本上是蛋白质网络。我想将此图聚类并将此图划分为不相交的聚类。任何 1 都可以建议我可以应用于未加权和无向图的生物网络的聚类算法。

Answer 1

存在多种图划分算法，它们使用不同的范式来解决相同的问题。

最常见的是Louvain's method optimizing Newman's modularity。 在使用 Networkx 作为图形库的 python 中，您可以使用 community 对图形进行分区。

最快的图分区使用Metis。它基于层次图粗化。

您还有 N-cut 最初设计用于分割图像。

最后，您可以使用stochastic block-model techniques 对图进行分区。可以在Graph-tool 中找到一个非常好的 Louvain 的 Python 实现和几种块模型技术。

我最喜欢的是后者，它速度快（基于 Boost 图形库），相对易于使用且可调整。

编辑：请注意，在图形工具中，我们所说的 Louvain 模块化确实是 Newman 的算法，docs are here。