计算加权图模块化的正确方法

Question

我有大约 13000 个基因，我正在尝试使用 igraph 进行聚类，如下所示：

g.communities <- edge.betweenness.community(as.undirected(g), weights = E(g)$weight)

返回 97 个社区，模块化程度为 0.9773353：

 modularity(as.undirected(g), membership = g.communities$membership, weights = E(g)$weight)
 
 #0.9773353

当我尝试自定义以下社区数量时，我得到的模块化为 0.0094：

 modularity(as.undirected(g), membership = cutat(g.communities, steps = 97), weights = 
 E(g)$weight)
 
 #0.0094

这些函数不应该返回相似的结果吗？另外，是否可以使用上述 函数找到正确的簇数？ （因为只要增加步骤，模块化总是会增加）

最后 g.communities$modularity 为每个顶点返回一个数字。 这些数字是否可以解释为每个顶点与其对应模块的相关性？

Answer 1

您正在使用cut_at 的steps 参数。这并没有指定社区的数量，而是指定要在树状图上执行的合并步骤的数量。如果您想要 97 个社区，请使用 cut_at(g.communities, no=97) 或直接使用 cut_at(g.communities, 97)。

---

也就是说，我目前不建议在加权图上使用edge.betweenness.community，原因我描述了here。