¿Funciona la modularidad de red de Newman para gráficos ponderados y firmados?


11

La modularidad de un gráfico se define en su página de Wikipedia . En una publicación diferente , alguien explicó que la modularidad se puede calcular fácilmente (y maximizar) para redes ponderadas porque la matriz de adyacencia puede contener lazos valorados. Sin embargo, me gustaría saber si esto también funcionaría con bordes firmados y valorados, que van, por ejemplo, de -10 a +10. ¿Puede proporcionar una intuición, prueba o referencia sobre este tema?Aij

Respuestas:


13

La generalización directa de la modularidad para redes ponderadas no funciona si esos pesos están firmados. Por simple, quiero decir: simplemente usando la matriz de peso en lugar de la adyacente, como lo hace Newman, por ejemplo, en (Newman 2004) . Necesita una versión específica, como la citada por BenjaminLind, o la de (Gomez et al. 2009) .

En ambos artículos, explican la razón de esto. En resumen: la modularidad se basa en el hecho de que algunos grados normalizados (o fortalezas en el caso de redes ponderadas) pueden considerarse como probabilidades. La probabilidad existe un enlace entre los nodos y se estima utilizando , donde y son los puntos fuertes respectivos de nodos y y es la fuerza total sobre todos los nodos de red. Si algunos pesos son negativos, entonces la normalización original ya no garantiza tener valores en , por lo que el anteriorijpipj=wiwj/(2w)2wiwjijw[0,1]pipj la cantidad no puede considerarse como una probabilidad.

Para resolver este problema, Gómez et al . considere los enlaces positivos y negativos por separado. Obtienen dos valores de modularidad distintos: uno para los enlaces positivos y otro para los negativos. Restan lo último de lo primero para obtener la modularidad general.


Gracias, esto parece prometedor. Echaré un vistazo a Gomez et al. artículo. ¿Hay una implementación?
Philip Leifeld

1
Sí, creo que encontrará el código fuente aquí: deim.urv.cat/~sgomez/radatools.php
Vincent Labatut el

el código parece estar en una caja negra a archivos EXE, pero si todo lo que necesita es modularidad para pesos positivos y negativos, ¿por qué no simplemente (1) convertir su matriz en una lista de bordes ponderada, (2) dividir la lista entre pesos con signo positivo y negativo, y (3) calcular la modularidad con el igraphuso de pesos absolutos en cada partición?
p.

Esa es una buena idea, pero la modularidad procesada para pesos negativos debe minimizarse, y los métodos en igraph solo maximizan (hasta donde yo sé). En cuanto al código fuente, creo que tienes razón. ¿Quizás pueda contactar directamente a uno de los autores?
Vincent Labatut

6

Sí puede. Los modelos de vidrio giratorio para detección comunitaria pueden calcular la modularidad a partir de gráficos ponderados y firmados. Querrá Traag y Bruggeman "Detección de la comunidad en redes con enlaces positivos y negativos" como referencia. La función "spinglass.community ()" en igraph puede encontrar las comunidades y devolver la modularidad del gráfico.


Gracias. No estoy realmente interesado en las comunidades, sino más bien en la tendencia de la red firmada a polarizarse / fragmentarse en comunidades. Pero hasta donde puedo ver, la modularidad se puede recuperar del communitiesobjeto resultante usando la modularityfunción. Definitivamente voy a echar un vistazo al artículo de Traag y Bruggeman. Dado que la implementación parece estar basada en recocido simulado: ¿qué tan bien funciona? ¿Puedo asegurarme de que el algoritmo realmente devuelva la modularidad óptima (ya que quiero medir la polarización / fragmentación)?
Philip Leifeld

3

Hemos señalado el problema de las funciones de Modularidad [similar] con redes firmadas en este documento . Tienden a ignorar más la densidad positiva de las comunidades a medida que aumenta el número absoluto de enlaces negativos en la red.

Además, aquí está nuestro proyecto Java de código abierto para redes con firma ponderada, que se basa en el Modelo Constant Potts (similar a la Modularidad), el algoritmo rápido de Lovaina y la evaluación de la comunidad basada en una extensión de la Ecuación de Mapa .

Esmailian, P. y Jalili, M., 2015. Detección comunitaria en redes firmadas: el papel de los lazos negativos en diferentes escalas. Informes científicos, 5, p.14339

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.