模块度：定义、数学公式与直观理解

聊社区发现，绕不开一个核心指标——模块度（Modularity）。我刚开始做这个方向的时候，团队里总有人问：“划分成几个社区就算好？” 当时有一堆启发式规则，但谁也不服谁。直到接触了 Newman 和 Girvan 提出的这个指标，问题才有了客观尺度。

说白了，模块度就是衡量社区划分是否“合理”的量化标准。它回答一个朴素的直觉：好社区内部的边应该比随机连接下期望的边更多。今天我就把这个指标掰开了讲清楚。

从直觉到公式

给你一张图，人工标出几个社区。怎么才算“合理”？你想想看：如果社区划分完全是随机的，那内部边数会是多少？模块度就把实际内部边数和随机基线下的期望边数做了个减法。

这个差值越大，说明社区内部边数越显著地高于随机水平——也就是社区的“凝聚性”越强。我个人习惯把这个差值理解为信噪比：信号是真实的聚集模式，噪声是度序列随机配对产生的背景强度。

数学公式

标准定义是这样的（Newman–Girvan 2004）：

Q = 1/(2m) * Σ_ij [ A_ij - (k_i k_j)/(2m) ] * δ(c_i, c_j)

每个符号的意思，我拆开给你看：

• m：图里边的总数
• A_ij：邻接矩阵，有边就是1，无边就是0
• k_i, k_j：节点 i 和 j 的度数（连边数量）
• δ(c_i, c_j)：克罗内克δ，当 i 和 j 属于同一社区时为1，否则为0

注意那个 (k_i k_j)/(2m)——它就是配置模型下的期望边数。我曾在一次项目中误以为它就是平均概率，后来发现其实更巧妙：它保留了每个节点的度数，只随机化连接方式，这样排除了“度数高导致边多”的干扰。

另一种常见写法

在实际代码中，你更常看到按社区聚合的形式：

Q = Σ_c [ Σ_in/c / m - (Σ_tot/c / (2m))² ]

其中：

• Σ_in/c：社区 c 内部边数（×2）
• Σ_tot/c：社区 c 内所有节点度的总和
• m：总边数

这个写法在 Louvain 算法 里大量使用，因为它直接算出了每个社区对全局模块度的贡献。在做社区拆分合并时，只需要看 ΔQ 的正负即可。

取值范围与解读

根据我的经验，大多数社交网络、引文网络的 Q 值落在 0.3~0.6 之间。如果 Q 值超过 0.7 我反而会警惕：是不是社区数太多导致每一个都很小？或者图本身就很稀疏？

直观理解：一张图说明白

这个流程你应该能看懂：从左到右分别算实际边和期望边，然后代入公式得到 Q。注意中间那个 δ 函数——它真正起了“只算同一社区”的过滤作用。

我踩过的一个坑

曾经我在一个引文网络上跑 Louvain，看到 Q 高达 0.72，兴奋得不行。后来仔细一查，发现因为图太稀疏（平均度只有 2），大量节点属于仅含 2~3 个点的微社区。这种情况下 Q 天然就高，因为它对“社区内部只有一条边”的状态特别友好。事实上这种划分毫无实际意义——你分出的社区比聚类还要多。因此，永远不要只看 Q 绝对值，要结合社区数量和图密度一起判断。

模块度的变体

除了标准形式，还有几个我经常用到的变种：

• 归一化模块度：Q_norm = Q / Q_max，Q_max 取理论最大值，这样范围锁在 [−1,1]
• 加权模块度：把 A_ij 换成边权，公式不变
• 分层模块度：对树状社区划分，对每一层分别计算 Q 再求和

常用的 NetworkX 里有现成函数，但你需要手动输入划分。比如：

import networkx as nx
from networkx.algorithms.community import modularity

G = nx.karate_club_graph()
partition = [list(range(0, 17)), list(range(17, 34))]
q = modularity(G, partition)
print(q)  # 输出 0.35 左右

模块度的先天不足

这指标不是万能的。总结三个主要缺陷，都是我在项目里亲手验证过的：

1. 分辨率极限：当社区规模差异大时，小社区容易被合并进大社区。这是因为模块度增益倾向于合并能提升整体 Q 的相邻社区，小社区往往“不够重”。
2. 对完全随机图不敏感：当图极其稠密或极其稀疏时，Q 的对比性下降。极端情况下一个完全随机图也能得出 Q > 0。
3. 割裂对称性：两个相同的稠密大社区，模块度会偏向将它们视为一个整体。我遇到过一个用户行为网络，明明两边的行为模式完全不同，模块度却认为合在一起更好——后来改用 Leiden 才分出来。

正因为这些局限，才催生了后来对模块度更精细的改进，以及 CPM（Constant Potts Model） 等替代指标。这些在后面的章节会讲到。