数据挖掘中聚类算法和社团发现算法的联系和区别？ 举报 理由 举报 取消 个人认为聚类的思想与社团发现的思想应该基本一致，但具体实现的时候不知道有何区别，如果没有区别又为何要提两个不同的概念？ 2017年12月12日 3 条回复 1375 次浏览 数据挖掘,算法
回复 ( 3 )
联系：在一定意义上，社团发现就是一种类型的聚类，可以说是图聚类，图一般是稀疏的。
区别就在于：常见的聚类一般是假设任何对象之间都是连接的，只是距离(或者相似度)不同，比如划分、层次、密度聚类等，如果看作是一张图，那就是完全联通图，当然图聚类除外。
还有个区别就是：一般聚类是将数据集划分为k个不相交的子集，虽然也有些聚类算法是可以相交。而社区发现包括非重叠社区与重叠社区
我认为，两者的主要区别在于原始数据上。目前已经有人通过对图数据的处理（line graph）、编码，将普通的聚类算法应用到社团发现上（Link-LDA）。而且，目前大多数社团发现算法。利用模块度、中介度等概念进行社团发现。如果能把图的信息做一转化（编码等），利用现在普遍的聚类算法进行社团发现将会很有意义。
我认为是，聚类是散点，就是点和点之间都是可达的，可以计算任意两个点之间的距离或者相似性，而社团发现是图，点和点之间靠边来进行联系，任意两个点之间并不是可达的。但是这两者也极为相似，因此出现了很多将聚类算法改成社团发现的例子，如DBSCAN改成SCAN，层次聚类等等。