I-Louvain: An Attributed Graph Clustering Method

David Combe 1 Christine Largeron 1 Mathias Géry 1 Elod Egyed-Zsigmond 2, *
* Auteur correspondant
2 DRIM - Distribution, Recherche d'Information et Mobilité
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
Abstract : Modularity allows to estimate the quality of a partition into communities of a graph composed of highly interconnected vertices. In this article, we introduce a complementary measure, based on inertia, and specially conceived to evaluate the quality of a partition based on real attributes describing the vertices. We propose also I-Louvain, a graph nodes clustering method which uses our criterion , combined with Newman's modularity, in order to detect communities in attributed graph where real attributes are associated with the vertices. Our experiments show that combining the relational information with the attributes allows to detect the communities more efficiently than using only one type of information. In addition, our method is more robust to data degradation.
Type de document :
Communication dans un congrès
Intelligent Data Analysis, Oct 2015, Saint-Etienne, France. 2015, 〈10.1007/978-3-319-24465-5_16〉
Liste complète des métadonnées

Littérature citée [36 références]  Voir  Masquer  Télécharger

https://hal-ujm.archives-ouvertes.fr/ujm-01219447
Contributeur : Mathias Géry <>
Soumis le : jeudi 22 octobre 2015 - 16:51:13
Dernière modification le : jeudi 19 avril 2018 - 14:38:04
Document(s) archivé(s) le : samedi 23 janvier 2016 - 16:03:16

Fichier

2015_IDA_finale.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

David Combe, Christine Largeron, Mathias Géry, Elod Egyed-Zsigmond. I-Louvain: An Attributed Graph Clustering Method. Intelligent Data Analysis, Oct 2015, Saint-Etienne, France. 2015, 〈10.1007/978-3-319-24465-5_16〉. 〈ujm-01219447〉

Partager

Métriques

Consultations de la notice

240

Téléchargements de fichiers

1071