Tengo una instancia de gráfico con bordes dirigidos ponderados cuyos valores pueden estar en el rango [-1,1]. Necesito agrupar en este gráfico, para encontrar grupos en los que los vértices están más correlacionados.
Busqué varios algoritmos basados en gráficos de agrupación o de detección comunitaria, pero la mayoría de ellos no funcionan debido a los pesos negativos. Hasta ahora he aplicado el algoritmo spinglass (se llama así en la biblioteca igraph , es un algoritmo basado en el modelo de Potts) que parece funcionar con pesos positivos y negativos.
¿Existen otros algoritmos para agrupar o detectar comunidades en gráficos que tienen pesos de borde negativos y positivos?
Actualización: los pesos de los bordes representan correlaciones, 1 significa que dos vértices están fuertemente correlacionados, -1 que están inversamente correlacionados y 0 significa que son independientes.