重みのある無向のエッジを持つグラフでコミュニティ検出/グラフ分割/クラスタリングを実行することに関して、誰かが良い出発点を提案できるかどうか疑問に思っています。問題のグラフには約300万のエッジがあり、各エッジは接続する2つの頂点間の類似度を表します。特に、このデータセットでは、エッジは個人であり、頂点は観測された動作の類似性の尺度です。
過去に私はstats.stackexchange.comでここに着いた提案に従い、Newmanのモジュール性クラスタリングのigraphの実装を使用し、結果に満足しましたが、それは重みのないデータセットにありました。
私が見るべき特定のアルゴリズムはありますか？
回答:
Gephiは無向の重み付きグラフを処理できることは知っていますが、CSVまたはUcinet DLにかなり近いGDFに保存する必要があることを覚えているようです。まだアルファ版リリースであることに注意してください。現在、グラフのクラスタリングについて、Gephiにはクラスタリングパイプラインが欠けているようです。ただし、最新バージョンで利用可能なMCLアルゴリズムを除きます。ありましたGoogle Codeのプロジェクトは、2009年にGephiネットワーク統計は、（メトリック例えばニューマンのモジュール性を備えた）、しかし、何かがこの方向でリリースされているかどうかは知りません。とにかく、ある種のモジュール性/クラスタリング計算を許可するようですが、RとGephiを使用したソーシャルネットワーク分析とRとGephiを使用したソーシャルネットワーク分析のデータ準備（@Talに感謝します）。
Pythonに慣れている場合は、NetworkXを試してみる価値があります（対応するコードを使用した重み付きグラフの例です）。次に、分析を実行する多くの方法があります。
INSNA- 複雑なネットワークと複雑さに関するソーシャルネットワーク分析ソフトウェアまたはティムエバンスのWebページもご覧ください。
Louvainモジュール方式アルゴリズムは、C ++で利用できます：https : //sites.google.com/site/findcommunities/
数百万のノードとエッジの重み付きネットワークを扱い、Newmanアルゴリズムよりもはるかに高速であることが実証されています。
pythonを使用していて、NetworkXを使用して加重グラフを作成している場合は、python-louvainを使用してクラスタリングできます。Gは重み付きグラフです。
import community
partition = community.best_partition(G, weight='weight')
Rのtnetパッケージに出会いました。作成者は、重み付きおよび2部（2モード）グラフでコミュニティの発見を研究しているようです。
http://opsahl.co.uk/tnet/content/view/15/27/
まだ使っていません。
SLPA（現在GANXiSと呼ばれています）は、ソーシャルネットワーク内のばらばらのコミュニティと重複するコミュニティ（無向/有向および無加重/加重）の両方を検出できる高速アルゴリズムです。このアルゴリズムは、実際の社会的および遺伝子ネットワーク上で意味のある結果を生成することが示されています。それは最先端の1つです。それはで利用可能です
https://sites.google.com/site/communitydetectionslpa/
詳細については、素晴らしいレビューarxiv.org/abs/1110.5813を参照してください。