igraph 中的 cluster_walktrap 函数如何处理权重？
How are weights treated in the cluster_walktrap function in igraph?
我正在研究戏剧角色网络。节点代表字符，边代表他们对彼此的讲话。它是一个有向网络，边权重等于源字符对目标说的单词数。
在iGraph中，边权有时表示距离，有时表示接近。例如，为了获得 betweenness 的正确结果，我需要反转边缘权重，这样一个角色对另一个角色说的词越多，他们在网络中的 'closer'：
edgeData <- data.frame(source, target, weight = numWords)
graph <- graph_from_data_frame(edgeData)
betweenness(graph, weights = 1/E(graph)$weight)
现在想研究我的剧本的社区结构，不知道如何正确使用算法。我是否应该将边权重视为距离，并反转权重，以便说话更多的角色彼此 'closer'？
cluster_walktrap(graph, weights = 1/E(graph)$weight)
或者我应该将权重视为权重，并在默认状态下使用该算法？
cluster_walktrap(graph)
感谢您的帮助！
cluster_walktrap(graph)可以。社区检测，权重是重量，不是距离。
我在计算一些图形指标的时候也是一头雾水。
但是如果你想计算最短路径（或其他），你应该使用
weights = 1/E(graph)$weight
你可以设计一个demo。
我正在研究戏剧角色网络。节点代表字符，边代表他们对彼此的讲话。它是一个有向网络，边权重等于源字符对目标说的单词数。
在iGraph中，边权有时表示距离，有时表示接近。例如，为了获得 betweenness 的正确结果，我需要反转边缘权重，这样一个角色对另一个角色说的词越多，他们在网络中的 'closer'：
edgeData <- data.frame(source, target, weight = numWords)
graph <- graph_from_data_frame(edgeData)
betweenness(graph, weights = 1/E(graph)$weight)
现在想研究我的剧本的社区结构，不知道如何正确使用算法。我是否应该将边权重视为距离，并反转权重，以便说话更多的角色彼此 'closer'？
cluster_walktrap(graph, weights = 1/E(graph)$weight)
或者我应该将权重视为权重，并在默认状态下使用该算法？
cluster_walktrap(graph)
感谢您的帮助！
cluster_walktrap(graph)可以。社区检测，权重是重量，不是距离。
我在计算一些图形指标的时候也是一头雾水。
但是如果你想计算最短路径（或其他），你应该使用
weights = 1/E(graph)$weight
你可以设计一个demo。