Map equation for link community
社区结构存在于许多现实世界的网络中，并已被报道与网络的几个功能属性。传统的方法是将节点划分为社区，而最近的一些研究开始划分链接而不是节点，以有效地找到重叠的节点社区。我们扩展了地图方程方法，这是最初开发的节点社区，在网络中找到链接社区。在不同类型的网络上进行测试，并与网络元数据进行比较，结果表明该方法能够有效地识别节点的角色重叠。该方法的优点是通过测量网络中除社团结构外的未知信息，可以定量地比较节点社团方案和链路社团方案。它可以用来定量地决定是否应该使用链路社区方案来代替节点社区方案。此外，由于该方法是基于随机游动的，因此可以很容易地推广到有向网络和加权网络。
2011-08-12 cond-mat.stat-mech cs.SI physics.soc-ph
Efficient Bayesian Community Detection using Non-negative Matrix Factorisation
识别网络中的重叠社区是一项具有挑战性的任务。在这项工作中，我们提出了一种新的方法来社区检测，利用贝叶斯非负矩阵分解（NMF）模型产生一个概率输出的节点成员资格。该方案具有计算效率高，软社区成员和直观的基础。我们提出了对各种基准问题的方法的性能，并比较和对比它与其他几种算法的社区检测。与其他方法相比，我们的方法在计算成本的一小部分上表现良好。
2010-09-25 cond-mat.stat-mech physics.soc-ph stat.ML
A Bayesian Framework for Community Detection Integrating Content and Link
Michigan State University（密歇根州立大学）；NEC Laboratories America（美国 NEC 实验室）
针对网络数据中的社区发现问题，提出了一种结合链接分析和内容分析的社区发现方法。大多数现有的工作结合链接和内容信息的生成模型。现有方法有两个主要缺点。首先，他们假设在两个节点之间创建链接的概率仅由节点的社区成员身份决定;然而其他因素（例如流行度）也可能影响链接模式。其次，他们使用生成模型来模拟单个节点的内容，而这些生成模型容易受到与社区无关的内容属性的影响。我们提出了一个贝叶斯框架相结合的链接和内容信息的社区发现，明确解决这些缺点。提出了一种新的链接模型，该模型在决定两个节点之间的链接时引入一个随机变量来获取节点的流行度，并使用一个判别模型根据节点的内容来确定节点的社区成员资格。提出了一种有效的贝叶斯近似推理算法。我们的实证研究表明，该框架优于几个国家的最先进的方法相结合的链接和内容信息的社区发现。
2012-05-09 cs.AI cs.SI physics.soc-ph
Link community detection through global optimization and the inverse resolution limit of partition density
我们调查的可能性，全局优化为基础的重叠社区检测，使用链接社区框架。我们首先表明，分区密度，链接社区检测方法中使用的原始质量函数，是不适合作为一个质量函数的全局优化，因为它更喜欢打破社区成三角形，除非在高度有限的条件。我们分析得出这些条件，并确认它与各种合成和现实世界的网络直接优化的计算结果。为了克服这一限制，我们提出了替代方法相结合的加权线图变换和现有的质量功能，基于节点的社区。我们提出了一个新的线图加权方案，归一化Jaccard指数。计算结果表明，使用归一化Jaccard指数生成的加权线图进行社区检测可以更准确地确定社区结构。
2016-01-19 cs.SI physics.comp-ph physics.soc-ph
Linking Through Time: Memory-Enhanced Community Discovery in Temporal Networks
IMT School for Advanced Studies（意大利高等研究院）；Lorentz Institute for Theoretical Physics（洛伦兹理论物理研究所）；INdAM-GNAMPA Istituto Nazionale di Alta Matematica（意大利高等数学国家研究所）
本文提出一种基于新型模块度函数的记忆增强社区发现方法，通过降低检测阈值提升社区质量，并在实世界数据中验证其有效性与鲁棒性。
2024-02-15 physics.soc-ph
Growing community networks with local events
社区网络的研究近年来引起了广泛的关注。在本文中，我们提出了一个不断发展的社区网络模型的基础上，本地进程，增加新的节点内的社区和新的链接内或社区间。采用增长和优先连接机制，我们生成的网络具有广义幂律分布的节点的度。
2009-02-04 physics.soc-ph
Link Fraction Mixed Membership Reveals Community Diversity in Aggregated Social Networks
Leiden University（莱顿大学）；University of Amsterdam（阿姆斯特丹大学）
本文提出Link Fraction Mixed Membership方法，用于分析聚合社会网络中的社区多样性，通过保留不同尺度下的社区成员身份总和，揭示地理区域社区结构的变化及城市枢纽的融合作用。
2026-10-09 cs.SI physics.soc-ph
Immunization of networks with non-overlapping community structure
虽然社区结构在复杂网络中普遍存在，但很少有研究利用这种拓扑性质来控制流行病。在这项工作中，致力于非重叠社区结构的网络（即，一个节点属于一个单一的社区），我们提出并研究了三个确定性免疫策略。为了表征节点的影响，使用各种信息，例如节点在一跳中可以到达的社区的数量、链路的性质（社区内链路、社区间链路）、社区的大小以及社区之间的互连密度。在真实网络和合成网络上进行了易感-感染-移除（SIR）流行病模型的数值模拟。实验结果表明，所提出的策略是更有效的比经典的确定性的替代品是不可知的社区结构。此外，它们优于为模块化网络设计的随机和确定性策略。
2018-06-14 cs.SI physics.soc-ph
Competition between Intra-community and Inter-community Synchronization
本文详细研究了外部链接对社区网络同步性能的影响，特别是对单个社区与整个网络竞争的影响。本研究从外部链接的数量或比例以及不同社区之间外部链接的连接策略两个方面展开。研究发现，在临界点之前，增加外部链接的数量会提高社区的全局同步性，但会降低单个社区的同步性能。在此之后，由于社区结构不那么突出，因此单个社区作为整个网络的一部分会越来越好地同步。在各种连接策略中，随机连接不同社区的节点而不是连接度较大的节点是增强网络全局同步的最有效方法。然而，一个优惠的连接方案，连接大多数的枢纽从社区将允许相当有效的全球同步，同时保持强大的动态集群的社区。有趣的是，这些观察结果被发现与猫皮层的现实网络有关。同步状态正好处于临界点，体现了个体社区功能分离和社区间协调的合理组合。我们的工作揭示了模块化架构在真实网络系统中出现的基本原理，并为社区网络中的同步操作提供了指导。
2011-01-20 cs.SI nlin.AO physics.soc-ph
A novel metric for community detection
针对传统Modularity在社区检测中的局限，提出基于链路预测可预测性的新度量，比传统方法更具鲁棒性，能评估算法稳定性并揭露错误检测。
2019-09-27 cs.SI physics.data-an physics.soc-ph
Efficient community-based control strategies in adaptive networks
目前对自适应网络的研究主要集中在稳态特性上，而忽略了暂态动态特性。本研究关注的是瞬时过程中社区结构的形成以及社区控制策略对传染病传播的影响。首先，通过规范化模块度$Q$，我们研究了社区结构在传播过程中的演化，发现在传染病传播的早期阶段，由于重新布线机制的作用，社区结构会产生很强的影响，从而显著延缓了传染病的爆发。然后研究不同阶段的控制策略对患病率的影响。免疫策略和检疫策略都表明，实施控制措施并不是“越早越好”。如果在群落结构较强的时期能有效地实施控制措施，则可获得最佳的控制效果。对于免疫策略，免疫SI链路上的S节点和随机免疫S节点具有相似的控制效果。而对于隔离策略，隔离SI链路上的I节点比随机隔离I节点的效果要好得多。更重要的是，基于社区的检疫策略比基于社区的免疫策略发挥更有效的性能。本研究为人群流行病的预测和预防提供了新的思路。
2012-05-19 physics.soc-ph
Link-Prediction Enhanced Consensus Clustering for Complex Networks
许多从数据中推断或收集的真实网络由于缺少边而不完整。缺失的边可能是数据集固有的（Facebook好友链接永远不会完整），也可能是采样的结果（人们可能只能访问一部分数据）。结果是，消耗网络的下游分析通常会产生比边完整时更不准确的结果。特别是社区发现算法，经常会在关键的社区内边缘丢失时受到影响。我们提出了一种新的共识聚类算法，以提高不完全网络上的社区发现。我们的框架利用现有的社区发现算法，我们的链接预测为基础的算法处理网络。然后，该框架将其多个输出合并为最终的共识输出。平均而言，我们的方法在人工数据上将现有算法的性能提高了7%，在从Facebook收集的自我网络上提高了17%。
2015-06-04 cs.SI physics.soc-ph
A dual assortative measure of community structure
当前的社区检测算法通过优化称为模块化的统计来操作，该统计分析网络中正加权边缘的分布。模块化并不能解释负权重边。本文提出了一种结合正、负加权边的对偶独立模块性测度（DAMM）。我们描述了DAMM统计量，并说明其效用的社区检测算法。我们评估的计算机生成的和真实世界的网络上的算法的有效性，表明DAMM拓宽了域的网络，可以通过社区检测算法进行分析。
2008-01-21 physics.data-an physics.soc-ph
Negative Link Prediction in Social Media
近年来，符号网络分析引起了越来越多的关注。这部分是因为对有符号网络分析的研究表明，负面链接在分析过程中具有附加值。有效使用这些工具的一个主要障碍是，大多数社交媒体网站无法让用户明确指定这些工具。换句话说，在负关联的重要性与其在真实数据集中的可用性之间存在差距。因此，探索是否可以从通常可用的社交网络数据中自动预测负面链接是很自然的。在本文中，我们研究了新的问题，只有积极的联系和内容为中心的互动在社会媒体的负链接预测。我们提出了一些重要的观察负链接，并提出了一个原则性的框架NeLP，它可以利用积极的链接和内容为中心的互动来预测负链接。我们在真实世界的社交网络上的实验结果表明，所提出的NeLP框架可以准确地预测负链接与正链接和以内容为中心的互动。我们详细的实验还说明了各种因素的相对重要性，所提出的框架的有效性。
2014-12-08 cs.SI physics.soc-ph
Discriminative Link Prediction using Local Links, Node Features and Community Structure
IIT Kharagpur（印度理工学院克勒格布尔分校）；IIT Bombay（印度理工学院孟买分校）
链接预测（LP）算法被给出一个图，并且必须对每个节点、作为新链接的候选的其他节点进行排名。LP强烈受到社交搜索和推荐应用的推动。LP技术通常专注于全局属性（图电导，命中或通勤时间，Katz得分）或局部属性（Adamic-Adar和许多变体，或节点特征向量），但很少结合这些信号。此外，这两个极端都没有利用社区中间层的链接密度。在本文中，我们描述了一个歧视LP算法，利用两个新的信号。首先，一个共同的聚类算法提供社区级的链接密度估计，这是用来限定观察到的链接与惊喜值。第二，在要预测的链接的直接邻域中的链接不被解释在表面值，而是通过节点特征相似性的局部模型。这些信号被组合成一个判别链接预测器。我们使用文献中标准的五个不同数据集来评估新的预测因子。与标准LP方法（包括Adamic-Adar和随机游走）相比，我们报告了显着的准确性提升。除了新的预测器之外，另一个贡献是用于对LP算法进行基准测试和报告的严格协议，它揭示了这里研究的所有预测器的优势和劣势区域，并将新提案确定为最稳健的。
2013-10-17 cs.LG cs.SI physics.soc-ph
Community detection based on structural balance in signed networks
针对符号网络社区检测忽视负链接稳定作用的问题，提出一种基于模体、量化链接局部结构平衡重要性的方法，可识别紧密且和谐稳定的社区，并在合成与真实网络中表现出更高性能和强鲁棒性。
2023-08-15 cs.SI physics.soc-ph
Common neighbours and the local-community-paradigm for link prediction in bipartite networks
二分网络是对复杂系统的有力描述，其特征在于两个不同类别的节点和连接只允许跨越而不允许在两个类别内。令人惊讶的是，目前的复杂网络理论提出了一个理论瓶颈：一个通用的框架，直接在二分域基于局部的链接预测是失踪。在这里，我们克服了这一理论障碍，并提出了一个正式的定义，共同的邻居指数（CN）和本地社区范例（LCP）的二分网络。因此，我们能够引入第一个基于节点邻域和基于LCP的模型，利用二分域的拓扑链接预测。我们在几个不同规模和不同来源的网络中进行了链接预测评估，包括技术，社会和生物系统。我们的模型显着提高了许多二分网络的拓扑预测，因为它们利用本地的物理驱动力，参与许多现实世界的二分网络的形成和组织。此外，我们提出了一个基于本地的形式主义，允许直观地实现基于邻域的链接预测完全在二分域。
2015-12-12 cs.SI nlin.AO physics.soc-ph
Detecting Stable Communities in Link Streams at Multiple Temporal Scales
链接流模型在广泛的领域中随着时间的推移进行交互。在这种模式下，面临的挑战是有效地挖掘时间和拓扑结构。社区发现和变化点检测是分析这种不断变化的相互作用的最有力的工具之一。在本文中，我们建立在这两个检测稳定的社区结构，确定有意义的社区内的变化点。与现有的动态社区发现算法不同，该方法能够在多个时间尺度上有效地发现稳定的社区。我们测试了我们的方法在合成网络上的有效性，以及从真实社交网络中提取的高分辨率时变网络的联系人。
2019-07-24 cs.SI physics.soc-ph
Intra-community link formation and modularity in ultracold growing hyperbolic networks
本研究针对温度为0的Popularity Similarity Optimization双曲网络模型，推导等大小角扇区划分的期望模块度解析表达式，大幅提升了估计精度，深化了对双曲网络模块形成机制的理解。
2024-01-31 physics.data-an physics.soc-ph
Emergence of Bursts and Communities in Evolving Weighted Networks
了解人类动力学和社会互动的模式，以及它们导致形成有组织和功能性社会的方式，是特别是技术社会发展的重要问题。通过例如移动电话呼叫记录的大规模数据分析，解决社交网络的这些问题最近已经成为可能，这已经揭示了模块化或社区结构的存在，其中在相同社区的节点之间存在许多链接，而在不同社区的节点之间存在相对较少的链接。链接的权重，例如两个用户之间的呼叫数量，和网络拓扑结构被发现相关，使得社区内链接比弱的社区间链接更强。这被称为格兰米特的“弱关系的强度”假说。除了这种不均匀的社区结构，人类动力学的时间模式是不均匀的或突发性的，其特征是两个连续事件之间的事件间隔时间的厚尾分布。在本文中，我们研究了如何社区结构和突发动态一起出现在一个不断发展的加权网络模型。这些模式背后的主要机制是通过循环闭合的社会互动，即链接到朋友的朋友和焦点闭合，即链接到共享相似属性或兴趣的个人，以及通过任务处理过程的人类动态。这三种机制已被实现为一个网络模型与本地附件，全球附件，和基于优先级的排队过程。通过综合的数值模拟，我们表明，这些机制的相互作用，导致出现重尾事件间的时间分布和格兰特类型的社区结构的演变。此外，数值结果被发现在定性与经验的结果从手机通话数据集。
2011-06-01 cs.SI physics.soc-ph
On approximate equivalence of modularity, D and non-negative matrix factorization
社团结构检测是复杂网络分析中理解网络拓扑结构和功能的基本问题之一，非负矩阵分解（NMF）是社区发现的一种常用方法，而模块度Q和模块度密度D是评价社团结构质量的标准。本文首次建立了Q、D与NMF之间的联系。Q最大化问题可以在Frobenius范数下近似地在NMF框架下重新表述，特别是当$n$较大时，D最大化问题也可以在NMF框架下重新表述. Q最小化可以在Kullback-Leibler发散的NMF框架下重新表述。基于上述发现，我们提出了新的社区结构检测方法，在合成网络上的实验结果证明了它们的有效性。
2018-01-19 cs.SI physics.soc-ph
Organization of networks with tagged nodes and biased links: a priori distinct communities. The case of Intelligent Design Proponents and Darwinian Evolution Defenders
在意见形成的主题中，观察具有先验不同社区的网络的特征是有趣的。作为一个例子，我们报告了近几十年来通过网络提供的属于新创造主义和智能设计支持者（IDP）和达尔文进化论捍卫者（DED）社区的选定成员的作品所展开的引文网络。首先构造标记节点的邻接矩阵;它不是对称的。因此，提出了一种关于有偏链路（定向或无向）网络情况的一般化考虑。描述这种部分有向网络与标记节点的结构的主要特征系数的概述。通过度分布、每个网络的不确定性、全局和局部聚类系数以及平均重叠指数，讨论了子网络的结构特征、等价性或不等价性。特别列出了由节点组成的各种封闭和开放三角形，并区分社区，以计算聚类特性。在矩形子矩阵中的元素的分布进行了专门检查，因为它们代表社区间的连接。重点是区分属于给定社区的顶点的数量。利用这些信息，人们可以区分意见领袖，追随者和主要竞争对手，并通过两个社区中行为规则所固有的心理学条件来简要解释他们的关系。考虑其他争议的情况下，类似的社会约束的概述，以及进一步的建议，更普遍的，从我们的观察，这样的网络推断的工作。
2010-04-29 physics.soc-ph
Non-Supervised Community Detection and Hierarchical Modularity Estimation in Complex Networks
本文扩展了一种非监督层次聚类检测和层次模块度估计方法到复杂网络，通过边介数中心性和平均连接准则得到树状图，进而实现社区检测和层次模块度估计，并在分形网络和素数划分网络上展示了有前景的结果。
2026-08-04 physics.soc-ph
Network clustering and community detection using modulus of families of loops
我们研究的结构，在网络中的循环使用的概念，模的循环家庭。我们引入了一个新的网络聚类措施，通过量化（简单）循环的家庭的丰富性。Modulus试图通过最佳地扩展预期的链路使用来最小化环路之间的预期重叠。我们提出加权网络使用这些预期的链接使用，以改善经典的社区发现算法。我们表明，所提出的方法提高了某些算法的性能，如频谱划分和模块化最大化算法，在标准的基准测试。
2016-12-26 cs.SI physics.soc-ph
Data on face-to-face contacts in an office building suggests a low-cost vaccination strategy based on community linkers
关于社会环境中个体之间接触的经验数据在为描述人类行为和流行病如何在人群中传播的模型提供信息方面发挥着重要作用。在这里，我们分析了在办公楼里收集的面对面接触的数据。联系人的统计特性与其他社会情况相似，但在联系网络结构中观察到重要差异。特别是，接触网络是由部门中的办公室组织强烈塑造的，这对设计精确的基于代理的流行病传播模型产生了影响。我们认为接触网络是传染病传播的潜在基质，并表明其稀疏性往往可以防止快速传播的流行病爆发。此外，我们定义了三个典型的行为，根据分数$f$的链接每个人的份额以外的自己的部门：居民，流浪者和链接。连接器（$f\sim 50\%$）充当网络中的桥梁并且具有大的介数中心性。因此，靶向接头的疫苗接种策略有效地防止了大规模爆发。由于这种行为可能在办公室的组织中或从调查中被先验地发现，而不完全了解时间分辨的接触网络，因此该结果可以帮助设计高效、低成本的疫苗接种或社交距离策略。
2015-02-05 cs.SI physics.soc-ph
The Community Structure of the Global Corporate Network
我们研究了跨国公司全球所有权网络的社区结构。我们在社区中发现了一种明显的组织，这种组织不能用随机性来解释。尽管这一网络具有全球性质，但社区首先反映了公司的地理位置，而工业部门只起着边缘作用。我们还分析了网络中的节点是社区和链接是通过聚合属于社区对的企业之间的链接。我们分析了前50个社区的网络中心性，并首次对金融业在连接全球经济中的作用进行了定量评估。
2013-01-11 physics.soc-ph q-fin.GN
Community Structure Detection in Complex Networks with Partial Background Information
约束聚类在无监督学习领域得到了广泛的研究。然而，如何在复杂网络中将约束编码到社区结构检测中仍然是一个具有挑战性的问题。在本文中，我们提出了一个半监督学习的社区结构检测框架。该框架通过修改网络的邻接矩阵隐式地编码了必须连接和不能连接的约束，也可以看作是对社团结构的一致性矩阵进行了去噪处理。我们提出的方法考虑了复杂网络的拓扑结构和功能（背景信息），这增强了结果的可解释性。在合成基准测试和真实网络上进行的比较表明，该框架能够在较少约束条件下显著提高社区发现性能，是复杂网络分析中一种有吸引力的方法.
2013-03-22 cs.SI physics.soc-ph
Reciprocity, community detection, and link prediction in dynamic networks
提出一种整合互惠性与社区结构的动态网络概率生成模型，利用马尔可夫方法与EM算法实现高效推断，在真实数据上更好地捕捉互惠性并提升链路预测性能。
2021-12-17 cs.SI physics.soc-ph
Tipping Diffusivity in Information Accumulation Systems: More Links, Less Consensus
假设两个不同的社区，每个社区主要因为两个社区之间的弱相互作用而保持各自的观点。在这种情况下，如何找到族群间互动的必要力量，以便两个族群达成共识，是一个令人感兴趣的问题。本文应用信息积累系统模型对这一问题进行了研究。应用IAS模型，发现两群体问题的观点动力学属于种群动力学或两种语言竞争中出现的一类更广泛的两种群问题，其控制方程都可以用耦合Logistic映射来描述.小费扩散率定义为两个社区之间能够保持不同意见的最大社区间相互作用。对于具有简单社团结构和同质个体的问题，从理论上计算了临界扩散系数。作为本文的结论，这两个社区的收敛到相同的价值是不太可能的整体互动，社区内和社区间，发生。这意味着，例如，现代通信工具（如facebook和twitter）的发展所导致的个人之间互动的增加，并不一定会改善不同社区之间全球趋同的趋势。如果内部链接的数量增加了一个因子，社区间链接的数量必须增加更高的因子，以便共识成为唯一稳定的吸引子。
2010-05-09 nlin.AO physics.soc-ph q-bio.PE
Mesoscopic analysis of online social networks - The role of negative ties
一类网络是既有正链接又有负链接的网络。在这篇论文中，我们研究了这些网络的中观水平上正负联系之间的相互作用，即，他们的社区结构。一个社区被认为是一个紧密相连的行动者群体;因此，它没有借用任何假设从平衡理论，只是使用众所周知的假设在社区检测文献。我们发现，如果只根据积极关系（忽略消极关系）来检测社区，那么大多数消极关系已经存在于社区之间。换句话说，负联系在检测所研究的签名网络的社区中没有主要作用。此外，对于内部负联系，我们证明了大多数不平衡社区是最大平衡的，因此它们不能被划分为k个具有更高平衡性的非空子簇（k >= 2）。此外，我们发现，虽然调解人三元组++-（斗争调解人敌对）是代表性不足，它构成了相当大的一部分社区之间的三元关系。因此，社区检测和聚类算法不应忽视中介三元组。因此，如果使用仅仅基于社会平衡的聚类算法，签名网络的中观结构仍然是隐藏的。
2018-09-02 cs.SI physics.data-an physics.soc-ph
Investigating Negative Interactions in Multiplex Networks: A Mutual Information Approach
许多有趣的现实世界的系统被表示为复杂的网络，具有多种类型的交互和层之间的复杂依赖结构。这些互动可以被编码为具有效价，其中积极的链接标志着信任和友谊等互动，而消极的链接则表示不信任或敌意。从这些负面的相互作用中提取信息是具有挑战性的，因为标准的拓扑度量通常是负面链接形成的不良预测因子，特别是在网络层之间。在本文中，我们介绍了一种基于互信息的方法，使我们能够预测消极和积极的关系。我们的实验表明，SMLP（签名复用链接预测）可以利用负关系层的复用网络，以提高链接预测的性能。
2018-08-16 cs.SI physics.soc-ph
Improving Network Inference: The Impact of False Positive and False Negative Conclusions about the Presence or Absence of Links
从数据中可靠地推断网络是神经科学的关键兴趣。在文献中已经提出了几种方法来可靠地确定网络中的链接。为了确定链接的存在，这些技术依赖于统计推断，通常控制假阳性的数量，很少关注假阴性。本文通过全面的仿真研究，分析了网络中链路存在与否的假阳性和假阴性结论对网络拓扑结构的影响。我们表明，不同的值，以平衡假阳性和假阴性的结论，链接应使用，以可靠地估计网络特性。我们建议在对网络拓扑做出可能错误的结论之前进行仔细的模拟研究。我们的分析表明，平衡假阳性和假阴性结论的最佳值取决于网络拓扑结构和感兴趣的特征。现有的方法依赖于假阳性结论的比率的选择。他们的目标是确定单个链接，而不是整个网络。假阴性结论的发生率通常不会被调查。我们的调查表明，平衡的假阳性和假阴性的结论，在网络中的链接，必须调整任何网络拓扑结构，是要估计。此外，在相同的网络拓扑结构中，每个网络特性的结果在性质上是相同的，但是导致特性的可靠估计的实际值是不同的。
2018-06-26 physics.data-an physics.soc-ph
Spreading of localized attacks on spatial multiplex networks with a community structure
我们研究了本地化攻击对多路空间网络的影响，其中每一层都是一个社区网络。当节点属于所有复用层中的巨型组件时，系统被认为是功能性的。社区具有线性大小$ζ$，使得在其中任何一对节点以相同的概率链接，并且另外，附近社区中的节点以不同的（通常较小的）概率链接。这个模型可以代表一个相互依赖的城市基础设施系统，其中城市内部有许多联系，而城市之间的联系较少。我们开发了一种分析方法，类似于有限元方法应用于网络社区，并通过模拟验证我们的分析结果。我们发现，无论是通过模拟和理论，对于不同的参数的连接性和空间性-有一个关键的局部尺寸的损害，超过它将蔓延，整个系统将崩溃。
2019-12-11 nlin.AO physics.soc-ph
Community detection, link prediction, and layer interdependence in multilayer networks
复杂系统的特点通常是相同实体之间的不同类型的相互作用。这些可以被描述为一个多层网络，其中每一层代表一种类型的交互。这些层可能以复杂的方式相互依赖，揭示了网络中不同类型的结构。在这项工作中，我们提出了一个生成模型，和一个有效的期望最大化算法，这使我们能够执行推理任务，如社区发现和链接预测在这种设置。我们的模型假设重叠的社区是共同的层之间，同时允许这些社区以不同的方式影响每一层，包括任意混合的排斥，排斥，或定向结构。它还为我们提供了一种数学原理的方法来定义层之间的相互依赖性，通过测量一个层的信息有多少可以帮助我们预测另一个层中的链接。特别是，这允许我们将层捆绑在一起以压缩冗余信息，并识别足以准确预测其余层的小层组。我们通过分析合成数据和两个真实的多层网络来说明这些发现，一个代表南印度村民之间的社会支持关系，另一个代表疟疾寄生虫基因之间共享的遗传子串材料。
2018-08-20 cond-mat.stat-mech cs.SI physics.soc-ph
Detecting the community structure and activity patterns of temporal networks: a non-negative tensor factorization approach
随着时间网络数据可用性的不断提高，人们需要对时间网络中的介观结构进行提取和表征，并将这种结构与系统的特定功能或属性联系起来。一个突出的挑战是扩展静态网络的结果随时间变化的网络，其中系统的拓扑结构和其组件的时间活动模式交织在一起。在这里，我们研究使用潜在的因子分解技术，非负张量因子分解，提取时间网络的社区活动结构。该方法本质上是时间性的，可以同时识别社区并跟踪其活动。我们将时间网络的时变邻接矩阵表示为三向张量，并将此张量近似为可以解释为具有相关活动时间序列的节点社区的项的总和。我们总结了已知的张量分解的计算技术，并讨论了一些质量指标，可用于调整的复杂性的因式分解表示。随后，我们将张量因式分解应用到一个时间网络中，对于该网络，社区结构和时间活动模式都可以使用地面实况。我们使用的数据描述了学生在学校的社会互动，学生和学校班级之间的关联，以及学生随时间的时空轨迹。我们表明，非负张量因式分解是能够恢复的类结构具有高精度。特别地，所提取的张量分量可以被验证为已知的学校班级，或者根据相关的活动模式，即，由已知的学校活动时间表确定的空间和时间巧合。
2013-11-05 cs.SI physics.soc-ph
Survey-Based Calibration of the One-Community and Two-Community Social Network Models Used for Testing Singapore's Resilience to Pandemic Lockdown
本研究通过调查2,057名新加坡居民校准动态社交网络模型，模拟疫情封锁下的社会恢复，发现新加坡可在1-2个月内恢复，为量化社会韧性提供方法。
2025-03-26 cs.SI physics.soc-ph
Large network community detection by fast label propagation
许多网络表现出某种社区结构。存在各种各样的方法来检测网络中的社区，每种方法都提供不同的解释和相关算法。对于大型网络，还有额外的速度要求。在这种背景下，提出了所谓的标签传播算法（LPA），它在近线性时间内运行。在LPA未覆盖的分区中，确保每个节点具有到其分配的社区的大多数链接。在这里，我们提出了一个快速的变体LPA（FLPA），是基于处理的邻居最近发生变化的节点的队列。我们在基准网络和经验网络上对FLPA进行了详尽的测试，发现它的运行速度比LPA快700倍。在分区发现FLPA，我们证明了每个节点再次保证有最多的链接到其分配的社区。我们的研究结果表明，FLPA通常优于LPA。
2023-02-14 cs.SI physics.soc-ph
Resolution limit in community detection
发现社区结构是阐明复杂网络中结构与功能之间联系的基础，并在许多学科中用于实际应用。一种成功的方法依赖于称为模块性的量的优化[Newman和Girvan，Phys.Rev.E69，026113（2004）]，其是网络划分为社区的质量指标。我们发现，模块化优化可能无法识别模块小于一个规模，这取决于网络的链接的总数L和模块的互连程度，即使在模块的情况下，明确定义。如果模块内部的链接数量为\sqrt{2L}或更少，则模块隐藏定义明确的子结构的概率最高。我们讨论了这一结果的实际后果，通过分析在人工和真实网络中的模块化优化得到的分区。
2006-07-14 cond-mat.dis-nn physics.soc-ph
Line Graphs, Link Partitions and Overlapping Communities
在本文中，我们使用一个划分的链接的网络，以揭示其社区结构。这种方法允许社区在节点处重叠，使得节点可以在多个社区中。我们通过对原始网络的线图进行节点划分来做到这一点。通过这种方式，我们表明任何产生节点分区的算法都可以用于产生链接分区。我们讨论的程度异质性的作用，并提出了一个加权版本的线图，以说明这一点。
2009-07-24 physics.data-an physics.soc-ph
Community Structure of the Physical Review Citation Network
我们调查了1893年至2007年8月间所有《物理评论》出版物的引文网络中物理学子领域的社区结构。我们专注于被引用的出版物（引用次数超过100次的出版物），并应用模块化最大化来发现与物理学的可明确识别的子领域相对应的主要社区。虽然社区之间的大多数联系都将那些具有明显知识重叠的社区联系起来，但由于广泛适用的理论技术的发展或理论与实验之间的交叉施肥，有时会在不同的领域之间存在意想不到的联系。我们还研究了十年的社区，并发现了在时间上广泛分离的社区之间的少数重要联系。
2010-01-25 physics.data-an physics.soc-ph
Community Structure in Time-Dependent, Multiscale, and Multiplex Networks
网络科学是一门跨学科的研究，其方法和应用来自自然科学、社会科学和信息科学。网络科学中的一个突出问题是被称为社区的紧密连接的节点组的算法检测。我们开发了一个网络质量函数的通用框架，使我们能够研究任意多层网络的社区结构，这些网络是通过链路耦合的单个网络的组合，这些链路将一个网络切片中的每个节点连接到其他切片中的节点。这个框架允许人们在一个非常一般的环境中研究社区结构，包括随着时间的推移而演变的网络，具有多种类型的链接（多重性），并具有多个尺度。
2010-07-12 physics.data-an physics.soc-ph
Detecting community structure in networks using edge prediction methods
社区检测和边缘预测是链接挖掘的两种形式：它们涉及发现网络中顶点之间的关系。在边缘预测中使用的一些顶点相似性度量与社区结构的概念密切相关。我们利用这一洞察力，提出了一种新的方法，通过使用一个简单的顶点相似性度量来改善现有的社区检测算法。我们表明，这种新的策略可以更有效地检测社区比基本的社区检测算法。
2012-01-17 cs.SI physics.soc-ph
Complex-valued information entropy measure for networks with directed links (digraphs). Application to citations by community agents with opposite opinions
提出了复值信息熵测度的概念。它特别适用于有向网络（有向图）。相应的统计物理概念的概述。研究网络，作为一个案例研究，为了说明讨论，涉及引用的代理人属于两个不同的社区，有明显不同的意见：新创造主义和智能设计的支持者，一方面，达尔文进化论的捍卫者，另一方面。整个社区内和社区间的邻接矩阵，从引用发表的工作，由社区代理，阐述和特征值计算。由于特征值可以是复数，因此信息熵也可以变为复值。它是针对示例情况计算的。特别讨论了虚部有限性的作用，并从局域相互作用范围的角度给出了一些物理意义上的解释。它的结论是，这样的推广不仅是有趣的和必要的讨论有向网络，但也可能会给新的见解的概念想法有向或其他网络。在附录中可以找到将上述扩展到Tsallis熵测度的注释。
2013-02-03 cond-mat.stat-mech math-ph math.MP
Ubiquitousness of link-density and link-pattern communities in real-world networks
社区结构似乎是许多复杂现实世界网络的内在属性。然而，最近的工作表明，现实世界的网络揭示了比经典的凝聚力（链接密度）社区更复杂的模块。特别是，网络也可以根据节点之间的相似连接模式自然地划分，揭示链接模式社区。在这里，我们提出了一个基于传播的算法，可以提取链接密度和链接模式社区，没有任何先验知识的真实结构。该算法首先在不同类别的具有社团结构的合成基准网络和随机网络上进行了验证。我们进一步将该算法应用于不同的社会，信息，技术和生物网络，在那里它确实揭示了有意义的（复合）链接密度和链接模式社区。因此，结果似乎意味着，类似的链接密度对应物，链接模式社区似乎无处不在的性质和设计。
2011-10-24 cs.SI physics.data-an physics.soc-ph
A Unified Framework for Community Detection and Network Representation Learning
网络表示学习（NRL）旨在学习网络中顶点的低维向量。大多数现有的NRL方法专注于从顶点的局部上下文（例如它们的邻居）学习表示。然而，许多复杂网络中的顶点也表现出显著的全局模式，即社区。很直观的是，同一社区中的顶点往往连接得很密集，并共享共同的属性。这些模式有望改善NRL，并有利于相关的评估任务，如链接预测和顶点分类。受网络表示学习与文本建模相似性的启发，通过引入节点的社团信息，提出了一个统一的自然学习框架，称为社团增强网络表示学习（Community-enhanced Network，CNRL）。CNRL同时检测每个顶点的社区分布，并学习顶点和社区的嵌入。此外，建议的社区增强机制可以应用到各种现有的NRL模型。在实验中，我们评估我们的模型的顶点分类，链接预测，和社区发现使用几个真实世界的数据集。结果表明，CNRL显着和一贯优于其他国家的最先进的方法，同时验证了我们的假设的顶点和社区之间的相关性。
2018-07-04 cs.SI physics.soc-ph
Scalable Spectral Algorithms for Community Detection in Directed Networks
社区发现一直是网络研究中的核心问题之一，而有向网络由于其链路间的不对称性，使得社区发现问题更具挑战性。在本文中，我们发现，将链接的方向揭示了社区的两个不同的角色，源和终端，一个节点在每个社区中扮演的新的观点。有趣的是，这样的社区似乎与邻接矩阵的图拉普拉斯算子的独特谱性质有关，我们利用正则化SVD方法来利用这种联系。我们提出了收获算法，再加上正则化的SVD，是线性可扩展的有效识别社区在巨大的有向网络。该算法在基准网络上的模拟实验表明了良好的性能和可扩展性，并在实际网络应用中成功地恢复了社区。
2013-09-23 cs.SI physics.soc-ph stat.ML
Comparing Online Community Structure of Patients of Chronic Diseases
在本文中，我们比较了人们在Facebook和Twitter上谈论克罗恩病，囊性纤维化和1型糖尿病的社交网络结构。我们发现，克罗恩病社区的贡献者在Facebook和Twitter上最情绪化，在Twitter上最消极，而T1D社区的通信网络结构是最有凝聚力的。
2015-02-18 cs.SI physics.soc-ph
Dynamical origins of the community structure of multi-layer societies
社会结构是个人管理各种不同社会关系的结果。社会可以表现为高度结构化的动态多元网络。在这里，我们研究了一个大规模的社会多元化网络的人类社会，互动在一个大型多人在线游戏的虚拟世界中的特定社区结构的动态起源。在那里，我们发现不同社会行为的社区结构存在实质性差异，这些差异由多元化中的各种网络层表示。社区规模分布要么类似于幂律，要么似乎集中在50个个体的大小。为了理解这些观察结果，我们提出了一个选民模型，是围绕三元闭包的原则。它明确地模拟了跨多路复用的不同层的节点和链路动态的共同进化。根据链接和节点的波动率，该模型表现出异常破碎的碎片过渡，其中一个层的碎片从一个大的组件成许多小的组件。观察到的社区规模分布与模型中预测的破碎化是很好的协议。我们表明，经验成对的网络层的相似性，在链接重叠和程度的相关性，实际上符合模型。这表明社会分裂的几个详细特征可以追溯到三重封闭过程。
2016-02-29 cond-mat.stat-mech cs.SI physics.soc-ph
A Community-aware Network Growth Model for Synthetic Social Network Generation
本文提出了一种新的网络增长模型ComAwareNetGrowth，旨在模拟现实世界中社交网络的演化过程。该模型在离散时间内工作。在每个时间步，基于（i）随机图模型，（ii）偏好连接模型，（iii）三角形闭合模型，或（iv）四边形闭合模型，在（a）现有节点之间或（b）现有节点和新节点之间创建（I）社区内或（II）网络中任何地方的新链接。参数控制在链接创建中采用特定机制的概率。在Karate和Caltech社交网络上的实验结果表明，该模型在聚类系数、模块度、平均路径长度、直径和幂律指数等方面都能很好地模拟真实世界的社交网络.进一步的实验表明，ComAwareNetGrowth模型能够生成具有不同统计量的各种合成网络。
2019-01-11 cs.SI physics.soc-ph
Predicting Positive and Negative Links in Online Social Networks
Stanford University（斯坦福大学）；Cornell University（康奈尔大学）
我们研究在线社交网络，其中的关系可以是积极的（表示友谊等关系）或消极的（表示对立或对抗等关系）。这种积极和消极链接的混合出现在各种在线设置中;我们研究了Epperly，Slashdot和维基百科的数据集。我们发现，潜在的社交网络中的链接的迹象可以被预测的精度很高，使用模型，概括在这个不同的网站范围。这些模型提供了一些基本原则的见解，这些原则推动了网络中签名链接的形成，阐明了社会心理学中的平衡和状态理论;他们还提出了社交计算应用程序，通过这些应用程序，可以根据用户与周围社交网络其他成员的关系提供的证据来估计一个用户对另一个用户的态度。
2010-03-11 cs.AI cs.CY physics.soc-ph
Relevance of Negative Links in Graph Partitioning: A Case Study Using Votes From the European Parliament
Université d’Avignon（阿维尼翁大学）
本文主要研究符号复杂网络中负链接的信息价值。为此，我们提取并分析了一组代表欧洲议会（EP）投票会议的签名网络。我们首先处理VoteWatch Europe网站收集的第七届（2009-2014）的数据，通过考虑欧洲议会成员之间的投票相似性来定义加权签名链接。然后，我们应用选择的社区发现算法，旨在处理只有积极的联系，这些数据。我们还应用并行迭代局部搜索（并行ILS），最近提出的算法，以确定平衡的分区签署网络。我们的研究结果表明，与以往研究的结论相反，忽略或考虑负链接检测到的分区确实显着不同的这些网络。因此，负链接对图划分的相关性是一个有待进一步探讨的问题。
2015-07-21 cs.RO cs.SI math.OC
Quantum walks on complex networks with connection instabilities and community structure
研究了具有社团结构特征的复杂网络上的连续时间量子游走问题。受可行的量子网络的前景的启发，我专注于网络不稳定性的影响，以断开的链接的形式，并检查量子行走对这种故障的响应。结果表明，网络的社团结构决定了量子行走的重构。在这种情况下，量子行走的基础上的邻接矩阵和拉普拉斯矩阵的网络进行了比较，并分析其响应链路故障。
2011-05-19 cond-mat.dis-nn cs.SI physics.data-an
Ant Colony Optimization with a New Random Walk Model for Community Detection in Complex Networks
从复杂网络中发现社区最近引起了人们的极大兴趣。针对这一问题，提出了一种基于马尔可夫随机游走理论的蚁群优化策略MACO。该算法以蚁群优化框架为基本框架。在每次迭代中，采用马尔可夫随机游走模型作为启发式规则，通过聚类集成的思想将所有蚂蚁的局部解聚合为一个全局解，然后利用全局解更新信息素矩阵.该战略依赖于逐步加强社区内部的联系和削弱社区之间的联系。逐渐地，这收敛到一个解决方案，在这个解决方案中，复杂网络的底层社区结构将变得清晰可见。建议的MACO已评估合成基准和一些现实世界的网络，并与一些目前的竞争算法。实验结果表明，MACO是非常有效的发现社区。
2013-03-24 cs.SI physics.soc-ph
Consistent Community Identification in Complex Networks
我们已经发现，已知的社区识别算法产生不一致的社区时，节点排序的变化在输入。我们提出了两个指标来量化算法多次运行的一致性水平：成对成员概率和一致性。基于这两个指标，我们解决了一致性问题，而不损害模块化。我们的解决方案使用成对的成员资格概率作为链接权重，并在六个或更少的周期内生成一致的社区。它为研究群落结构及其演化提供了一种新的工具。
2009-10-10 physics.data-an physics.soc-ph
