Effizienter Graph Clustering Algorithmus

Ich bin auf der Suche nach einem effizienten Algorithmus zum Auffinden von Clustern in einem großen Graphen (mit ca. 5000 Scheitelpunkten und 10000 Kanten).

Bisher verwende ich den Girvan-Newman-Algorithmus, der in der JUNG-Java-Bibliothek implementiert ist, aber es ist ziemlich langsam, wenn ich versuche, viele Kanten zu entfernen.

Können Sie mir eine bessere Alternative für große Diagramme vorschlagen?

Ich persönlich schlage Markov-Clustering vor . Ich habe es in der Vergangenheit mehrere Male mit guten Ergebnissen verwendet.

Die Affinitätsausbreitung ist eine weitere praktikable Option, die jedoch weniger konsistent zu sein scheint als die Markov-Clusterbildung.

Es gibt verschiedene andere Optionen, aber diese beiden sind sofort einsatzbereit und eignen sich gut für das spezifische Problem des Clustering von Diagrammen (die Sie als spärliche Matrizen anzeigen können). Die Distanzmessung, die Sie verwenden, spielt ebenfalls eine Rolle. Ihr Leben wird einfacher, wenn Sie eine geeignete Metrik verwenden.

Ich habe dieses Papier auf der Suche nach Leistungsbenchmarks gefunden. Es ist eine gute Übersicht über das Thema.

Hierarchisches Clustering

Dies wurde mir von einem Freund empfohlen. Laut Wikipedia :

Bei dieser Methode wird ein Ähnlichkeitsmaß definiert, das einen (normalerweise topologischen) Ähnlichkeitstyp zwischen Knotenpaaren quantifiziert. Häufig verwendete Kennzahlen sind die Kosinusähnlichkeit, der Jaccard-Index und der Hamming-Abstand zwischen den Zeilen der Adjazenzmatrix. Dann gruppiert man nach dieser Maßnahme ähnliche Knoten in Communities. Für die Durchführung der Gruppierung gibt es mehrere gängige Schemata. Die zwei einfachsten sind Einzelverbindungsclustering, bei dem zwei Gruppen dann und nur dann als separate Communitys betrachtet werden, wenn alle Knotenpaare in verschiedenen Gruppen eine Ähnlichkeit aufweisen, die unter einem bestimmten Schwellenwert liegt, und eine vollständige Verbindungsclusterung , bei dem alle Knoten in jeder Gruppe Ähnlichkeiten aufweisen, die größer als der Schwellenwert sind.

Markov Cluster

Dies ist, was ich in Ihrer Situation benutze. Es ist ein sehr nützlicher Algorithmus. Ich habe einen Link zu einem PDF über den Algorithmus gefunden. Es ist ein großartiger Algorithmus und mangels eines besseren Ausdrucks extrem "leistungsfähig". Probieren Sie es aus und sehen Sie.

Ich denke, dass Sie für Ihr Problem hier eine Möglichkeit finden sollten, Scheitelpunktkanten auf einen Satz von Koordinaten für jeden Scheitelpunkt abzubilden. Ich bin mir nicht sicher, ob es einen besseren Weg gibt. Aber ich denke, Sie könnten damit beginnen, jeden Scheitelpunkt als Dimension darzustellen, und dann würde der Kantenwert für einen bestimmten Scheitelpunkt zu dem Wert, mit dem Sie für diese bestimmte Dimension arbeiten müssen. Danach können Sie eine einfache Euklid-Distanz machen und damit arbeiten.