对集群的质量进行排名

Question

我有一个有向图（实际上它是一个超图，但暂时可以忽略它）。

从这个图中我选择了各种子图，并且我正在寻找一个函数，它可以根据它们的“集群质量”对各种此类子集进行排名。

当子集的成员之间存在大量链接时，“集群质量”应该很高

当从子集的许多成员到子集或从子集外部存在大量链接时，“集群质量”应该很低。

我的问题是：

• “集群质量”的正确术语是什么？

• 在这种情况下确实存在哪些相关算法/函数？

• JVM 上存在哪些实现。首选 Scala，但任何可从 java 调用的东西都可以吗？

背景：这个想法是从源代码（类和方法名称或其中的部分）中提取单词，并通过找到那些被“好集群”使用的词来找到那些可能最好地描述应用程序的词，从而可能代表一些知识概念代码。

Answer 1

关于与聚类分析相关的算法/功能，有几种。图中的聚类与图划分密切相关，图划分最近成为一个活跃的研究领域，尤其是随着 Facebook 和 Twitter 等在线社交网络的出现，其底层结构自然地由（社交）图表示。

话虽如此，根据我的经验，我想到了两种聚类措施。一种是模块化，它基本上将子图（集群）与边缘随机分布的子图的外观进行比较。

另一个是电导，它衡量随机游走在候选集群上收敛到某个均匀分布的速度。

另一个更宽松的衡量标准是查看聚类系数，该系数衡量图中三角形（3 个循环）的数量与可能存在的三角形数量。

总而言之，与这个主题相关的算法（和学术论文）很多，我上面提到的三个是更一般的用例。

关于 JVM 上的实现，我所知道的库中没有包含此类算法的库，但流行的 Scala 图形库是 Scala 的 Graph（将合并到 Scala 扩展核心库中未来）和 Cassovary，由 Twitter 发布。