R，igraph walktrap.community在完全连接的图的情况下拆分所有节点

Question

使用walktrap.community方法在图形中定义社区非常有效-在我测试过的所有算法中，效果最佳。 需要注意的是，在没有自我链接的完全连接图的情况下（每个节点都彼此连接，但不是自身连接），每个节点都被分配了自己的社区。

我没有网络分析方面的经验，但这似乎是一个有趣的案例，并且它当然不是所希望的行为。 如何避免在实际数据中出现这种分裂？

library(igraph)
match.mat = matrix(T, nrow=8, ncol=8)

diag(match.mat)[1:8] = T
topology = which(match.mat, arr.ind=T)
g = graph.data.frame(topology, directed=F)
cm = walktrap.community(g)
membership(cm)

# 2 3 4 5 6 7 8 1 
# 1 1 1 1 1 1 1 1 

plot(cm, g)

diag(match.mat)[1:8] = F
topology = which(match.mat, arr.ind=T)
g = graph.data.frame(topology, directed=F)
cm = walktrap.community(g)
membership(cm)

#2 3 4 5 6 7 8 1 
#1 2 3 4 5 6 7 8 

plot(cm, g)

从概念上讲，我不确定缺少自我链接会如何导致每个节点被拆分-可能所有社区都被捆绑在一起并因此分裂了？ 但是，在这方面，所有自我联系的情况似乎是等效的。

谢谢！

http://www-rp.lip6.fr/~latapy/Publis/communities.pdf

Answer 1

如果您已仔细阅读本文，您将注意到Walktrap基于随机行走过渡矩阵构建节点距离度量。 但是，此转换矩阵需要是遍历遍历的，因此其底层邻接矩阵需要是连通的且不可分割。 通过将自环添加到节点来实现非双向性。 因此，您需要将自循环添加到图形中的每个节点。 将来在igraph程序包中包含此更正可能是一个好主意，但据我所知，他们正在使用Latapy和Pons的C实现，为此，该图需要具有自循环。 希望这能回答您的问题！