<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Louvain on PlumePHP</title><link>https://plumephp.com/tags/louvain/</link><description>Recent content in Louvain on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Mon, 28 Sep 2026 14:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/louvain/index.xml" rel="self" type="application/rss+xml"/><item><title>社区发现与图聚类：Louvain、标签传播、重叠社区与评估</title><link>https://plumephp.com/graphdb-graph-community-detection/</link><pubDate>Mon, 28 Sep 2026 14:00:00 +0800</pubDate><guid>https://plumephp.com/graphdb-graph-community-detection/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;图里天然存在「抱团」结构：社交圈、资金团伙、话题簇、蛋白质复合体。社区发现（Community Detection）就是自动把这些群体划出来，是图分析最常用的工具之一。本文系统讲社区发现：先理解社区结构与模块度（衡量划分质量的核心指标），再逐个深入主流算法——Louvain（层次聚类、当前实践标准）、标签传播 LPA（极快但质量波动）、Infomap（信息论视角）、重叠社区（一个人属于多个圈子）、谱聚类（线性代数视角），然后是评估指标（模块度/NMI/ARI/纯度）与超参数调优、GDS 实操（Neo4j GDS 库）、动态图的社区演化、最后是业务落地（团伙识别/推荐/异常检测）。目标：你能选对算法、跑出可靠的社区划分，并正确评估它好不好。&lt;/p&gt;</description></item></channel></rss>