我正在研究DBLP数据集（包含超过180万份出版物的元数据，由数千种期刊或会议论文系列中的100多万作者撰写），其中包含以下专栏：
[＆＃39; id＆＃39;，＆＃39; title＆＃39;，＆＃39; authors＆＃39;，＆＃39; year＆＃39;，＆＃39; pub_venue＆＃39;，＆ ＃39; ref_id＆＃39;，＆＃39; ref_num＆＃39;，＆＃39; abstract＆＃39;]
我必须在给定的数据集上应用社区检测算法。我的要求是 获得重叠的社区。 为此，我使用上面的数据在igraph中创建了一个图形，其中id是顶点值，ref_id中的id将用于创建边缘。我尝试了igraph中可用的不同社区检测算法但没有获得所需的结果 -
我正在使用 -
community_multilevel()
我从这个算法得到的结果集群只给出了具有最佳模块性的分区。我想了解如何在不同级别或树形图上获得聚类？
编辑：我使用了community_multilevel（return_levels = True），对于上面的数据集，这是一个稀疏图，我的期望是让更高层次的密集社区，但我在每个级别获得的社区数量几乎相同大大减少了。我需要类似于networkx中的parition_at_level。
Total no of vertices : 1632441
cl = g.community_multilevel(return_levels=True)
print len(cl[0]) , len(cl[1]) , len(cl[2]) , len(cl[3])
output is : 1207787 1164960 1162115 1161959
答案 0 :(得分：1)
请阅读community_multilevel的文档 - 它有return_levels个参数;将其设置为True将返回一个不相交的社区结构列表，一个用于算法确定的每个相关分辨率级别。
请注意，这不是真正的“重叠”社区结构，因为算法识别的每个级别都会有不相交的社区。