Comment faire pour détecter la communauté dans un réseau/graphique à pondération de bord?

Question

Mon problème général est: Comment faire la détection de la communauté dans un réseau social/graphique non orienté pondéré? Dataset que je veux cluster ressemble à ceci,

DrugA, DrugB,Weight 
x,y,6 
y,z,9 
y,p,5 
x,p,3 

Dans mon ensemble de données que j'ai plusieurs noeuds de médicaments et le poids entre eux représente la similitude entre le drugs.I veulent regrouper les noeuds connectés en petits groupes avec nœuds avec des poids plus élevés connectés ensemble, c'est-à-dire une sorte de coupe minimum. Quel algorithme de clusterisation puis-je utiliser pour regrouper ce type de jeu de données? de préférence de Scikit-learn ou NetworkX?

J'ai déjà essayé les chuchotements chinois mais en raison de la connectivité dense du graphe CW on obtient deux gros grappes. Toutes les recommandations/suggestions seraient grandement appréciées.

Answer 1

Le clustering hiérarchique peut le faire.

Mais vous avez besoin d'une implémentation qui fonctionne sur des graphes clairsemés et des similarités plutôt que des distances.

Answer 2

La réponse que je cherchais était "algorithme de détection de la communauté". L'algorithme de modularité de Louvain est un algorithme de clustering pondéré/non pondéré. Une implémentation de l'algorithme est disponible dans GEPHI (ancienne version).