Fondamentalmente, l'obiettivo del clustering dei grafici e dei metodi di rilevamento della comunità è quello di calcolare i cluster. C'è qualche differenza tra loro?
Fondamentalmente, l'obiettivo del clustering dei grafici e dei metodi di rilevamento della comunità è quello di calcolare i cluster. C'è qualche differenza tra loro?
Risposte:
No. Citando ad esempio il rilevamento della comunità nei grafici , un recente e ottimo sondaggio di Santo Fortunato, "Questa caratteristica delle reti reali è chiamata struttura della comunità (Girvan e Newman, 2002), o raggruppamento". Inutile approfondire ulteriormente il punto, davvero. Ho la sensazione che nei primi documenti sullo stile di analisi dei social network le reti tendessero ad essere semplici (non ponderate), ma non è qualcosa su cui vorrei discutere, né è importante. La risposta alla tua domanda è no.
Nel rilevamento di strutture comunitarie in reti , M.Newman definisce il clustering dei grafici come un problema specifico definito nel contesto dell'informatica.
Consideriamo alcuni calcoli, che possono essere suddivisi in diverse operazioni più semplici. Questi sono rappresentati come nodi nella nostra rete. I collegamenti corrispondono alle dipendenze tra le operazioni, ovvero il risultato di un'operazione è necessario per un'altra. Il problema consiste nella distribuzione delle operazioni su più processori, per scopi di elaborazione parallela. In altre parole, vogliamo assegnare ciascun nodo (operazione) a una classe specifica (processore), ovvero vogliamo partizionare il grafico.
Vi sono tuttavia tre vincoli. Il primo è ottenere un numero predefinito di comunità, perché il numero di processori è ovviamente noto in anticipo. Il secondo è ottenere un carico bilanciato: vogliamo che ciascun processore esegua approssimativamente lo stesso numero di operazioni. In termini di grafico, vogliamo che le comunità contengano approssimativamente lo stesso numero di nodi. Il terzo è quello di ottenere la comunicazione più bassa possibile tra i processori, perché rallenta il processo. Quindi, in termini di grafico, vogliamo ridurre al minimo il numero di collegamenti tra le comunità.
Quindi, da questo punto di vista, il rilevamento della comunità può essere considerato un problema più generale del clustering dei grafici. Il terzo vincolo viene applicato in entrambi i problemi, ma il numero e le dimensioni delle comunità non sono noti a priori nel rilevamento delle comunità.
Questi due nomi diversi vengono assegnati alla stessa cosa da diverse comunità di scienziati, a seconda che si desideri sottolineare o meno la motivazione dei social network. Forse qualcuno sta definendo il raggruppamento e il rilevamento della comunità come cose diverse, ma la maggior parte delle persone che studiano uno di loro non sarebbero in grado di dirti perché non usano l'altro termine.
Se una grande rete è raggruppata in due parti, cosa ti garantisce che questa due parti sono due comunità? Due cluster hanno una connessione bassa non significa che ogni cluster abbia un tipo simile di nodi o nodi che hanno un tipo simile di connessioni (quindi comunità). Pensa al grafico dei social network. Ci sono sicuramente molte comunità. Inoltre, mediante algoritmi di clustering, è possibile raggrupparlo in due parti. In questo caso, chiamereste ogni pezzo una comunità. ? La mia risposta è no Perché, i due cluster potrebbero essere persone di due regioni geografiche. E poi quelli sicuramente non sono comunità.
Gli algoritmi di clustering si preoccupano solo del taglio minimo, non della somiglianza del nodo o della somiglianza della connessione o della connessione densa. Inoltre negli algoritmi di clustering, il numero di cluster dovrebbe essere predefinito.
Algoritmi di rilevamento della comunità, si preoccupano della densità, trovano la parte più densa della rete e quel tipo di algoritmi (che ho visto finora) non ha bisogno di predefinire il numero di comunità.
Tuttavia, l'algoritmo di clustering può essere utilizzato per trovare le community, quindi, poiché non garantisce che ogni cluster abbia una buona struttura di community, ogni cluster dovrebbe essere esaminato attentamente.
"non si può applicare banalmente la scoperta della comunità per risolvere il clustering e viceversa. Nonostante le loro somiglianze, ci sono differenze importanti negli approcci. La scoperta della comunità presuppone connessioni sparse, mentre il clustering può funzionare con set di dati densi; nel cluster di solito trattiamo attributi con più tipi , mentre la scoperta della comunità di solito si occupa di un singolo tipo di attributo - bordi - spesso binario, nel caso di reti non ponderate "per ulteriori informazioni leggi il seguente documento:" Sull'equivalenza tra scoperta della comunità e clustering "di Riccardo Guidotti e Michele Coscia