Louvain

run API

• API

  def run(edges: RDD[(Long, Long, Double)],iterNum: Int,isDirected: Boolean,partitionNum: Int): (Double, RDD[(Long, Long)])

• 功能描述

  基于输入的图实现社区检测功能， 终输出社区划分结果以及对应的模块度值。

• API描述
  1. 包名：package org.apache.spark.graphx.lib
  2. 类名：Louvain
  3. 方法名：run
  4. 输入：
     1. edges: RDD[(long,long,Double)]，为图的边列表信息（权值大于0）。
     2. iterNum: Int，为迭代次数参数，大于0的整数。
     3. isDirected: Boolean，图的属性信息，是否为有向图。
     4. partitionNum: Int，并行化参数，分区数量，大于0的整数。
  5. 核心参数：
     1. iterNum：算法迭代次数，要求大于0。数值越大，算法越趋近于收敛。
     2. partitionNum：算法分区个数，要求大于0。
  6. 参数详情：

     参数名称	参数含义	取值类型
     edges	从文件读入的图边列表信息（权值大于0）	RDD[(Long,Long,Dou ble)]
     iterNum	算法接受的迭代次数	Int大于0的整型，经验值为20
     isDirected	图的属性信息，是否为有向图	Boolean
     partitionNum	数据分区个数	Int大于0的整型

  7. 输出：

     Double，为最终社区划分的模块度数值

     RDD[(long,long)]，为算法给出的社区划分信息，包含节点ID与对应社区的ID。社区ID集合是节点ID集合的子集。

• 使用样例

  Louvain样例：

  val sparkconf = new SparkConf().setAppName("louvain").setMaster(host)
  val sc = new SparkContext(sparkconf)
  val edgesRDD = sc.makeRDD(Array((1L, 2L, 1.0), (1L, 3L, 1.0), (1L, 4L, 1.0), (2L, 3L, 1.0),
                                  (3L, 4L, 1.0), (3L, 5L, 1.0), (4L, 5L, 1.0), (4L, 6L, 1.0),
                                  (5L, 1L, 1.0), (5L, 2L, 1.0), (5L, 6L, 1.0), (6L, 7L, 1.0)))
  val iterNum = 20
  val isDirected = false
  val partitionNum = 10
  val (modQ, comm) = Louvain.run(edgesRDD, iterNum, isDirected, partitionNum)
  println(“Modularity:\t%.5f”.format(modQ))
  comm.collect().sortBy(_._1).foreach(println(_))

• 样例结果
  

  第一列为节点ID，第二列为社区ID。

  社区划分模块度值：

  Modularity:     0.11111

  社区划分信息：

  (1,2)
  (2,2)
  (3,2)
  (4,4)
  (5,2)
  (6,4)
  (7,4)