归一化互信息（NMI）与网络数据原有分区结构进行对比

资 源 简 介

归一化互信息（NMI）与网络数据原有分区结构进行对比

详 情 说 明

在复杂网络分析中，社区发现是一个重要的研究方向，其目标是将网络中的节点划分为若干组，使得组内节点连接紧密，组间连接稀疏。为了评估不同社区检测算法的性能，研究者常采用归一化互信息（NMI）作为评价指标。

NMI的基本思想是比较算法检测得到的社区结构与网络数据原有的真实分区结构之间的相似程度。它通过计算两个分区之间的互信息，并进行归一化处理，得到一个介于0到1之间的值。值越接近1，说明算法检测结果与真实分区结构的一致性越高；值越接近0，则表示两者差异越大。

使用NMI进行评价有几个优势：首先，它能够处理不同数量的社区划分；其次，它对社区大小的不平衡不敏感；最后，它的计算结果直观且易于解释。这使得NMI成为社区发现研究中广泛使用的评价指标之一。