社区检测算法的评价指标

Question

我想在R中评估和比较我的社区检测算法的结果，我的算法不允许重叠，还有一些节点没有被处理。例如，对于Zachary空手道俱乐部，我有一个节点没有处理。我发现了很多度量标准(NMI、ARI、Modulaity(Q)、纯净、Rank Index.)，但我不知道哪一个是最好的。目前，我正在使用模块化，纯度和排名指数。

所选择的评估指标是否足够？

例如，对于Rank指数是RI(P，R)= (a+d)/(a+b+c+d)，其中a、b、c和d分别是根据P和R在同一个社区中，在同一个社区中根据P在同一个社区中，在不同的社区中，根据R在不同的社区中，在P给出的不同的社区中，以及在不同的社区中，根据P和R，并且P= {p1，p2，。。。，pk}是应用于图G =< V，E >和R= {r1，r2，的社区检测算法的输出。。。，rn}是真正的社区结构。

因此，如果我处理一个大图，我如何计算这些值？在哪里可以找到R(真正的社区结构)？

Answer 1

您混淆了两种类型的度量:内部和外部标准，这是为集群问题定义的(参见此页)。

• 内部标准:盲目评估被检测的社区结构的质量。这意味着您没有任何可以比较估计结构的引用结构。例如:模块化，电导.
• 外部标准:将估计的社区结构与参考社区结构(又名“参考社区结构”)比较。地面真理、金本位等)。例: NMI，(A)RI，纯度.

没有“最佳”的度量:它们都是不同的，并且依赖于一个社区检测算法的性能应该如何量化的不同的概念。一个更相关的问题是:哪些措施适合你的情况？

实际上，您所列出的度量都需要节点集的分区。您提到您的算法忽略了某些节点，因此这可能是一个问题。一个基本的解决方法是考虑每个被忽略的节点构成自己的社区。或者，为重叠的社区结构确定的某些措施能够处理这一案件。

另一个要点是用于测试算法的数据。您有这些数据的实际社区结构吗？如果没有，那么您就根本不能使用外部条件。

注意，大多数外部标准都认为社区结构只是节点集的一个分区(从数学意义上来说)。因此，它们依赖于引用分区和估计分区的比较。这是因为它们都起源于聚类分析领域。问题是，他们完全没有考虑到网络链接。然而，社区结构不仅仅是节点集的分区:链接在此分区上的分布方式非常重要。因此，您可能希望以更定性的方式评估您的社区结构，例如，通过比较检测到的社区的拓扑属性(参见奥曼‘12)。您也可以更改现有的措施，使它们考虑到链接(请参阅拉巴特‘13)。我并不是特别想引用我自己的话，但这些文件似乎是相关的。

关于这些度量的具体处理，您可能需要查看用于执行社区检测的工具的文档:其中一些工具与性能度量捆绑在一起。例如，如果您使用is，就会有一个功能就是为了这个。