关于igraph中Leiden算法生成社区数量过多的技术问询

• 核心差异在于目标函数的默认设置：

  • igraph的cluster_leiden()默认使用**CPM（Constant Potts Model）**作为目标函数，分辨率参数resolution_parameter对应CPM的γ值，该参数的尺度与Modularity的分辨率完全不同，即使调低γ值，也可能生成更多社区。
  • leidenAlg包的find_partition_with_rep()默认使用Modularity作为目标函数，这与Louvain算法的优化目标一致，因此社区划分结果更接近Louvain。

• 解决方法：在igraph的cluster_leiden()中显式指定目标函数为"modularity"，并调整对应分辨率参数（默认值为1），即可得到与leidenAlg、Louvain相近的社区数量。

修改后的测试代码：

library(igraph)
library(leidenAlg)
G <- graph_from_literal(1-2:3-4:5-6:7-8:9-10:11-12-13-14:15-16,1-7,10:8-13)
clLouv <- cluster_louvain(G)
# 使用Modularity目标函数的Leiden
clLeid_mod <- cluster_leiden(G, objective_function = "modularity", resolution_parameter = 1, seed = 123)
cl_Leid_r <- find_partition_with_rep(G, edge_weights=E(G), seed = 123)

# 对比结果
clLouv$membership
clLeid_mod$membership
cl_Leid_r

• 额外说明：Leiden算法是随机化算法，设置seed参数可固定随机初始状态，确保多次运行结果一致，便于对比不同实现的差异。

内容的提问来源于stack exchange，提问作者Sebastián