SDN网络拓扑图聚类求助：指定簇数算法及FastRP-kmeans结果异常

我手头有一个包含62,578个节点的大规模SDN（软件定义网络）拓扑网络，目标是将其划分成若干簇，每个簇由一台SDN控制器负责管控。

已尝试方案的局限 #

• 使用k-means算法：仅依赖节点自身属性，完全忽略节点间的关联关系，不符合网络拓扑聚类的需求；
• 使用相似性算法：仅能计算两两节点的相似度并生成新关联，但无法为k-means提供可用的输入。

问题1：如何让Louvain/Leiden算法支持指定簇数？ #

Louvain和Leiden算法默认不支持预先指定簇数，有没有办法修改或搭配其他方法，让这两种算法可以按照指定的簇数进行聚类？

问题2：FastRP+k-means聚类异常及参数疑问 #

在6,301节点的子图上，我用FastRP生成节点嵌入（初始嵌入维度设为256），再用k-means（k=2）聚类，结果出现大量相邻节点被分到不同簇的异常情况；调整嵌入维度为2、4等，以及在8,846节点的图上测试，该问题依然存在。另外，之前使用FastRP时未指定随机种子，想请教：

• 如何为FastRP设置随机种子？
• 该参数是否与图的规模相关？

相关代码 #

CALL gds.graph.project  
(
    'myGraph',
    'node',
    'to',
    {
        relationshipProperties: 'cost'
    }
)

CALL gds.fastRP.write
(
  'myGraph',
  {
    embeddingDimension: 1,
    writeProperty: 'fastrp-embedding'
  }
)
YIELD nodePropertiesWritten  

 CALL gds.graph.project
    (
        'myGraph_1',
        {
          node: {
            properties: 'fastrp-embedding'
          }
        },
        '*'
    )

CALL gds.alpha.kmeans.write 
('myGraph_1', 
{
  nodeProperty: 'fastrp-embedding',
  k: 3,
  randomSeed: 42,
  writeProperty: 'kmeans'
})
YIELD nodePropertiesWritten

聚类异常情况说明 #

• 子图截图1：直观可见大量相邻节点被标记为不同簇的颜色，跨簇相邻现象突出
• 子图截图2：另一子图视角下，同样存在大量相邻节点分属不同簇的问题

内容的提问来源于stack exchange，提问作者Sama