Zastanawiam się, czy ktoś mógłby zasugerować, jakie są dobre punkty wyjścia, jeśli chodzi o wykrywanie społeczności / partycjonowanie / grupowanie wykresów na wykresie z ważonymi , nieukierunkowanymi krawędziami. Wykres ma około 3 miliony krawędzi, a każda krawędź wyraża stopień podobieństwa między dwoma połączonymi wierzchołkami. W szczególności w tym zbiorze danych krawędzie są jednostkami, a wierzchołki są miarą podobieństwa ich obserwowanego zachowania.
W przeszłości postępowałem zgodnie z sugestią, którą dostałem na stats.stackexchange.com i korzystałem z implementacji klastrowania modułowości Newmana przez igraph i byłem zadowolony z wyników, ale to było w nieważonym zbiorze danych.
Czy są jakieś specyficzne algorytmy, na które powinienem patrzeć?