CDLIB库NMI（归一化互信息）函数运行报错 社区检测评估求助

该报错的核心原因是传入normalized_mutual_information函数的两个社区划分（算法输出的检测社区、真实标注社区）覆盖的节点集合不完全一致，存在节点仅出现在其中一个划分中的情况，CDLIB的NMI计算要求两个划分必须覆盖完全相同的节点才能正常运算。

• 第一步：先定位两个划分的节点差异
  运行以下代码提取两边的节点集合，查看不一致的节点：

# 提取算法输出社区的所有节点，若你直接传入社区列表而非CDLIB的NodeClustering对象，替换res_omega_nmi.communities为你的社区列表变量
pred_nodes = set()
for comm in res_omega_nmi.communities:
    pred_nodes.update(comm)

# 提取真实标注社区的所有节点，同上可根据你的入参类型调整取值逻辑
true_nodes = set()
for comm in communities_omega_nmi.communities:
    true_nodes.update(comm)

# 输出差异节点
print("仅在预测社区中存在的节点：", pred_nodes - true_nodes)
print("仅在真实标注中存在的节点：", true_nodes - pred_nodes)

• 第二步：根据差异原因对应处理
  • 若差异来自算法输出：检查你的社区检测代码逻辑，确认所有输入图的节点都被分到了对应社区，没有遗漏孤立节点、也没有混入图中不存在的无效节点
  • 若差异来自数据集预处理：DBLP数据集场景下该情况最为常见，如果跑算法前你对图做了低度数节点过滤、采样等裁剪操作，需要同步把真实标注里对应被裁剪的节点删除，保证两边节点完全对齐
  • 若差异来自节点ID格式不匹配：比如一边节点ID是整数、另一边是字符串（1和"1"被判定为不同节点），统一两边的ID数据类型即可
• 第三步：如果确实存在无标注节点不需要纳入评估，过滤两个划分仅保留共有节点后再计算NMI：

# 取两边的共有节点集合
common_nodes = pred_nodes & true_nodes

# 过滤预测社区，仅保留共有节点，同时删除过滤后为空的社区
filtered_pred = []
for comm in res_omega_nmi.communities:
    filtered_comm = [n for n in comm if n in common_nodes]
    if filtered_comm:
        filtered_pred.append(filtered_comm)

# 过滤真实社区，逻辑同上
filtered_true = []
for comm in communities_omega_nmi.communities:
    filtered_comm = [n for n in comm if n in common_nodes]
    if filtered_comm:
        filtered_true.append(filtered_comm)

# 包装为CDLIB要求的NodeClustering格式后计算NMI，若你直接传社区列表入参可跳过包装步骤
from cdlib import NodeClustering
filter_pred_obj = NodeClustering(filtered_pred, graph=None, method_name="filtered_pred")
filter_true_obj = NodeClustering(filtered_true, graph=None, method_name="filtered_true")

nmi = evaluation.normalized_mutual_information(filter_pred_obj, filter_true_obj)

内容的提问来源于stack exchange，提问作者Motaz ben hassine