樋口先生さま

お世話になります、袋井と申します。

igraphバージョンアップ対応での要望がございます。

共起ネットワークで、Newamanのmodularityを用いたコミュニティ（サブグラフ）抽出法を実装されており、大変に重宝しております。

改めて御礼を申し上げます。


igraphでは、ランダムウォーク法、スピングラス法を用いた、新しいコミュニティ抽出法も実装されております。
（これら手法はSNAツールでは未だ実装されておらず、新しいアルゴリズムをいち早く利用できる有難さも、Rの魅力であると再確認しました）


Newaman法を含めた上記３手法について、色々なケースで比較実験を私の方で行いました。

ランダムウォーク法はwalktrapという名称で呼ばれていますが、
Newaman法と比較して、高いmodularityを得ており、グラフクラスタリング境界もより分かりやすい（自然な）結果を得ています。


新しいアルゴリズムであるwalktrapによるサブフラフ抽出のサポートをすることで、KH coderの付加価値が更に増すと思われます。

ご検討をよろしくお願いします。

こんにちは、樋口です。

コミュニティ（サブグラフ）検出の方法についてご示唆をいただき、大変あり
がとうございます。

igraphの仕様がバージョンアップにともなって変更されましたので、いずれに
よ共起ネットワークのコードは手直しせねばならないところです。

# igraph新バージョンのバグのため、対応作業をまだ行えない状況ですが、
# 次期igraphでは当該バグが修正されているようです。よって、次期igraphが
# リリースされれば、対応作業を行う予定です。

その際に、ランダムウォークの方法をこちらでも試してみて、良さそうであれ
ば追加したいと思います。

なにはともあれ、ご示唆をいただきましたこと、重ねてお礼申し上げます。

樋口先生さま

お世話になります、袋井と申します。

早々にサポートしていただき、誠にありがとうございました。

手持ちの幾つかのデータで、他のコミュニティ抽出法と比較しましたが、ランダムウォーク法は精度がよいです。

アルゴリズムの良さだけでなく、エッジの重みも取り入れて計算していることも、要因の一つだと思います。

心より御礼を申し上げます。

こんにちは、樋口です。書き込みありがとうございます。

こちらこそ、有益なご示唆をいただき感謝申し上げます。

Fruchterman-Reingoldの配置アルゴリズムとも相性(?)が良いのか、グループ
同士が平面上で入り交じるケースが少ないようですね。


今後ともどうぞよろしくお願いいたします。