Local communities obstruct global consensus: Naming game on multi-local-world networks
City University of Hong Kong（香港城市大学）；Sun Yat-sen University（中山大学）
社区结构对于社会交往至关重要，在人类社会中，属于同一社区的个体比不同社区的个体更积极地相互交流和沟通。另一方面，网络游戏是一种社交通信模型，它模拟了人类社区中学习对象名称的过程，其中个体通常可以通过迭代的成对对话渐进地达成全局共识。底层网络表示个体之间的关系。本文采用随机图、小世界和无标度网络三种典型的拓扑结构，研究了多局域世界社区结构下的命名博弈。仿真结果表明：（1）随着社区结构的显著性增加，收敛过程逐渐变慢，最终可能失败;（2）如果社区间的联系足够紧密，社区的数量和规模都不会影响收敛过程; 3）对于具有相同平均节点度的不同拓扑，个体的局部聚类会阻碍或阻止全局一致性的发生。研究结果揭示了当地社区在社会网络研究中的全球命名游戏中的作用。
2018-01-03 cs.CL cs.SI physics.soc-ph
The Extraction of Community Structures from Publication Networks to Support Ethnographic Observations of Field Differences in Scientific Communication
研究专业的研究人员的科学共同体是理解科学传播实践的特定领域形成的重要分析单位。然而，这些科学界是一个具有挑战性的分析单元，难以捕捉和比较，因为它们重叠，边界模糊，并随着时间的推移而演变。我们描述了一种网络分析方法，揭示了这些社区的复杂性，通过检查他们的出版网络结合民族志实地研究的见解。我们认为，揭示的结构表明重叠的亚社区内的研究专业，我们提供的证据表明，他们不同的学科方向和研究实践。通过绘制科学领域的社区结构，我们的目标是增加对民族志观察的有效性领域的信心，以及从出版网络中提取的合作模式，从而使系统的研究领域的差异。提出的网络分析方法包括优化书目数据集的划分以充分代表研究专业的方法，以及从这些数据中提取社区结构的方法。我们展示了这些方法在物理和化学科学的两个研究专业的案例研究中的应用。
2013-01-09 cs.DL cs.SI physics.soc-ph
A Game-Theoretic Approach for Detection of Overlapping Communities in Dynamic Complex Networks
复杂网络往往会显示社区，这些社区是一个组中相互紧密连接的节点组，并且与网络的其余部分稀疏连接。检测这样的社区是一个重要的计算问题，因为它提供了一个洞察网络的功能。此外，在动态网络中调查社区结构，其中网络受到变化的影响，更具挑战性。本文提出了一种博弈论技术，用于检测动态和静态复杂网络中的社区结构。在我们的方法中，每个节点都扮演一个玩家的角色，试图通过加入一个或多个社区或在社区之间切换来获得更高的回报。游戏的目标是通过在这些参与者之间找到纳什均衡点来揭示这些参与者形成的社区结构。据我们所知，这是第一个能够从静态或动态网络中提取重叠社区的博弈论算法。我们提出的实验结果说明了所提出的方法在合成和真实世界的网络上的有效性。
2016-07-29 cs.CC cs.DS cs.GT
Community Aliveness: Discovering Interaction Decay Patterns in Online Social Communities
在线社交社区（OSC）提供了一个连接人们、分享新闻、获取信息和寻找工作的媒介。OSC成员之间的相互作用的动力学并不总是生长动力学。相反，$\textit{decay}$或$\textit{inactivity}$动态经常发生，这使得OSC过时。了解不活跃社区成员的行为和特征有助于维持这些社区的增长动力，并可能防止它们停止服务。在这项工作中，我们提供了两个预测模型预测社区成员的交互衰减，即：一个简单的阈值模型（STM）和监督机器学习分类框架。我们对我们的预测模型进行了评估实验，该模型由从StackExchange平台提取的衰变社区的$\textit{ground truth}$支持。实验结果表明，它是可能的，与令人满意的预测性能的F1分数和准确性方面，预测衰减的活动，这些社区的成员使用网络为基础的属性和网络的外源属性的成员。我们使用的方法的预测性能的上限是$0.91$和$0.83$的F1分数和准确性，分别。这些结果表明，基于网络的属性与成员的活动，我们可以找到这些属性的衰减模式。研究结果还表明，衰退群落的结构可以通过发现不活跃的成员来支持活着的群落。
2017-07-14 cs.SI physics.soc-ph
Collective communication in a transparent world: Phase transitions in a many-body Potts model and a social--quantum correspondence
LPTMS, CNRS – Université Paris Saclay（巴黎萨克雷大学CNRS LPTMS实验室）；Beijing Institute of Mathematical Sciences and Applications (BIMSA)（北京国际数学研究中心）
研究通过许多体Potts模型揭示社会系统相变，建立社会与量子系统的对偶性，为社会结构分类和量子对称性破缺提供新视角。
2026-09-30 cond-mat.stat-mech 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 and Its Stability on a Face-to-Face Interaction Network in Kyoto City
由于社会行为在人们的生活中扮演着重要的角色，因此必须研究面对面互动网络的特征以了解人们的社会行为。在这项研究中，我们专注于面对面互动网络的稳定社区结构，因为它解释了城市中市民和游客的固定通信模式所造成的持久社区。我们把市民和游客看作两种粒子，把社区看作一个相，利用社区之间的平衡条件，对社区结构的稳定性进行了理论化。我们制定了社区的化学势，并检查他们是否在一个典型的合奏假设下处于平衡状态。我们估计了持久性社区的化学势，发现这些值每天都在大约10%的误差范围内匹配。这一结果表明，群落持续存在的原因是群落结构的稳定性。
2022-12-14 physics.soc-ph
Challenges in Community Discovery on Temporal Networks
社区发现是网络科学研究的热点问题之一。近年来，许多工作都集中在发现社区的时间网络，从而确定动态社区。有趣的是，动态社区不仅仅是静态社区的序列;新的挑战来自其动态性质。在本章中，我们将讨论其中的一些挑战以及最近的解决方案。我们将讨论在逐渐发展的网络中的社区事件的问题，通过变化的身份的概念，在链接流中的动态社区，动态社区的平滑度，以及不同类型的算法的复杂性。
2019-07-26 cs.SI physics.soc-ph
Link Analysis for Communities Detection on Facebook
社交网络已经成为数百万用户日常生活的一部分，它提供了广泛的兴趣和实践。社交网络的主要特征是它能够将不同的个体聚集在一个共同的观点或集体信念周围。在目前的社交网站中，Facebook是最受欢迎的，它拥有最多的用户。然而，在Facebook中，社区（群组）的存在是一个关键问题，因此，许多研究人员通过使用数据采掘和Web挖掘等技术来关注潜在的社区。在这项工作中，我们提出了四种基于链接分析技术的方法来检测潜在的群体及其成员
2014-06-25 cs.SI physics.soc-ph
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
Multiple Hybrid Phase Transition: Bootstrap Percolation on Complex Networks with Communities
Bootstrap渗流模型是研究社交网络上的谣言、新产品或创新传播的著名模型。实证研究表明，社区结构在各种社交网络中普遍存在。因此，研究具有社区的复杂网络上的自举渗流，可以为我们理解社交网络上的传播动力学提供新的、重要的视角。近年来，它引起了许多科学家的关注。在这篇文章中，我们研究了具有社区的Erdens-Rényi网络的自举渗流，观察到了自然系统中罕见的二阶、混合（二阶和一阶）和多重混合相变。此外，我们还解析求解了该系统，得到了相图，并通过相应的模拟得到了进一步的证明。
2014-07-01 cs.SI physics.soc-ph
It is rotating leaders who build the swarm: social network determinants of growth for healthcare virtual communities of practice
目的：本文的目的是通过一项为期七年的纵向研究，确定影响医疗保健虚拟实践社区（VCoPs）增长的因素，该研究使用社交网络和语义分析的指标。通过研究社交互动的三个维度（连通性，互动性和语言使用）的在线交流，作者旨在为VCoP管理者提供有价值的见解，以提高他们社区的成功。设计/方法/办法：分析了7年（2008年4月至2015年4月）期间以及16个不同医疗保健VCoP的14，000名成员在同一网络平台上共存的通信。多层次回归模型被用来揭示随着时间的推移，社区增长的主要决定因素。自变量来自社会网络和语义分析措施。结果：结果表明，结构和内容为基础的变量预测社区的增长。逐渐地，如果一个社区的结构更加集中，领导者更加活跃（他们轮换得更多），并且帖子中使用的语言不那么复杂，那么更多的人会加入这个社区。研究限制/影响：现有的数据集包括一个Web平台和数量有限的控制变量。为了巩固本研究的结果，该实验应在其他医疗保健VCoPs上复制。创意/价值：该研究为建立和培育专业社区的发展提供了有益的建议，同时考虑到社区成员之间的互动模式，这些互动的动态演变和语言的使用。新的分析工具，连同使用创新的互动指标，可以显着影响社区的增长，如轮换领导。
2021-05-26 cs.CL cs.SI physics.soc-ph
On the relationship between the structural and socioacademic communities of a coauthorship network
本文提出了一项研究，比较检测到的结构社区的合著网络组成的网络的学者的社会学术特征。合作网络是从一个多机构，跨学科的研究小组的书目记录，专注于传感器网络和无线通信的研究。采用四种不同的社区发现算法为网络中的每个学者分配一个结构社区：领先特征向量，walktrap，边缘介数和spinglass。社会学术特征是从学者中收集的，包括他们的学术部门，学术联系，原籍国和学术地位等信息。皮尔森的$χ^2$测试，与模拟蒙特卡洛，揭示了结构社区最好的代表在同一学术部门和同一机构工作的个人群体。这一结果的概括表明，即使在跨学科，多机构的研究小组，合著主要是由部门和机构的联系。
2008-07-18 cs.DL physics.soc-ph
Community Detection via Local Dynamic Interaction
我们如何才能发现真实网络中的自然群落，从而深入了解其底层结构和潜在功能？在本文中，我们介绍了一种新的社区发现算法，称为吸引子，自动点的社区或团体在网络中随着时间的推移，通过本地动态交互。其基本思想是将网络设想为一个动态系统，每个代理都与其本地合作伙伴进行交互。而不是调查节点的动态，我们实际上是检查的变化的“距离”之间的链接节点。随着时间的推移，这些距离将根据其拓扑结构逐渐缩小或拉伸。最后，所有链接节点之间的距离将收敛到一个稳定的模式，社区可以直观地识别。由于社区发现的动态视角，吸引子具有几个潜在的吸引力特性：（a）吸引子提供了一个直观的解决方案来分析网络的社区结构，并忠实地捕获自然社区（高质量）。(b)由于其时间复杂度$O(|E|)$，吸引器允许在大型网络上查找社区。(c)通常存在于真实世界网络中的小社区或异常现象可以很好地定位。(d)吸引子很容易参数化，因为不需要指定簇的数量。在合成网络和真实网络上的大量实验进一步证明了该方法的有效性和效率。
2014-09-29 cs.SI physics.soc-ph
Computing communities in large networks using random walks (long version)
稀疏图的稠密子图（社区）在现实世界的复杂网络中有着重要的作用。然而，计算它们通常是昂贵的。我们在这里提出了一种基于随机游走的顶点之间的相似性度量，它具有几个重要的优点：它很好地捕捉了网络中的社区结构，它可以有效地计算，并且它可以用于凝聚算法来有效地计算网络的社区结构。我们提出了这样一个算法，称为Walktrap，在最坏的情况下，它在时间O（mn^2）和空间O（n^2）中运行，在大多数真实情况下，时间O（n^2log n）和空间O（n^2）（n和m分别是输入图中的顶点和边的数量）。广泛的比较测试表明，我们的算法超过以前提出的关于所获得的社区结构的质量，它的运行时间是最好的。
2005-12-12 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Extending the definition of modularity to directed graphs with overlapping communities
复杂网络拓扑结构呈现出有趣和令人惊讶的特性，例如社区结构，可以用来优化通信，找到新的高效和上下文感知的路由算法，或者只是理解节点之间关系的动态和意义。复杂网络作为一个参考模型正变得越来越重要，并且是许多不同种类的自然、生物和社交网络的一个强大的解释工具，其中节点到许多不同社区的有向关系和上下文归属是事实。本文从M. Newman提出的评价网络社区分解的优度的方法，并将其推广到具有重叠社区结构的有向图的更一般情况。有趣的属性，建议的扩展进行了讨论，提出了一种方法，用于寻找重叠的社区，其应用程序的基准案例研究的结果报告。我们还提出了一个新的数据集，可以作为一个参考基准重叠的社区结构识别。
2009-03-24 physics.data-an physics.soc-ph
Efficient Detection of Communities with Significant Overlaps in Networks: Partial Community Merger Algorithm
在大规模网络中，当每个顶点可能属于多个社区时，检测社区是一项具有挑战性的任务，这在社交网络中是常见的情况。顶点的多个成员资格以及社区之间的强重叠使得许多检测算法无效。我们开发了一个部分社区合并算法（PCMA）检测社区有显着重叠，以及轻微重叠和不相交的。它是一种自下而上的方法，通过对顶点的自我网络中的部分信息进行适当的重组来重建完整的社区。噪声控制和合并秩序是实施这一理念的两个关键问题。我们提出了一种新的相似性度量两个合并的社区，可以抑制噪声和一个有效的算法，递归合并最相似的社区对。PCMA的有效性和准确性进行了测试，对两个基准和四个现有的算法相比。它是最有效的一个线性复杂度，它优于比较算法时，顶点有多个成员。PCMA被应用于两个巨大的在线社交网络，Facebook和新浪微博。检测到数百万个社区，它们的质量高于相应的元数据组。我们发现，后者不应该被视为结构社区的基础真理。在检测到的社区中发现的显著重叠模式证实了需要新的算法，如PCMA，来处理社交网络中的顶点的多个成员资格。
2017-09-28 cs.SI physics.soc-ph
Clustering online social network communities using genetic algorithms
为了分析在线社交网络（OSN）中的活动，我们引入了“吸引节点”（NoA）的概念，它代表了网络社区中最活跃的节点。该NoA被识别为吸引其他节点并在任何时间点形成集群的发布/通信的起源/发起者。在这项研究中，一个遗传算法（GA）被用作数据采掘方法，其主要目标是确定集群的网络社区在一个给定的OSN数据集。这种方法在处理我们研究的OSN中不同类型的讨论主题时是有效的-评论，电子邮件，聊天表情等，并且可以根据一个或多个主题形成集群。我们相信，这项工作可以是有用的，在寻找这种基于遗传算法的聚类的在线交互的传播源，并报告了一些实验结果与现实世界的数据，并证明了所提出的方法的性能。
2013-12-08 cs.SI physics.soc-ph
Entropy Measures of Human Communication Dynamics
人类交流通常被表示为一个时间的社会网络，并根据其独特性进行评估。我们提出了一套新的基于熵的措施，在时间的社会网络中的事件序列表示的人类通信动态。使用真实世界的数据集和不同类型的随机交互序列，我们发现真实的人类接触事件总是显着不同于随机的。这种人类的独特性随着时间的推移而增加，通过建议的熵措施，我们可以观察动态社区中发生的社会学过程。
2018-01-14 cs.SI physics.soc-ph
Predicting risky behavior in social communities
预测网络中个人的风险状况（例如，对特定疾病的易感性，或吸烟的可能性）由于各种原因而具有挑战性。例如，“地方”特征（如个人的人口统计信息）可能缺乏足够的信息，无法作出有意义的预测;在预测“风险”时，这尤其成问题，因为相关特征可能恰恰是个人不愿意在调查中透露的特征。第二，即使有这些特征，它们仍然可能遗漏关键信息，因为“风险”可能不仅是个人特征的函数，也是其朋友和社会群体特征的函数。在这里，我们预测个人的风险状况作为他们的本地功能和他们的朋友。我们没有直接对社交网络的影响进行建模（这被证明是困难的，因为友谊链接可能是稀疏的，并且可以部分观察到），而是通过发现网络中可能与风险行为相关的社交社区来对影响进行建模。其结果是一个模型，预测风险作为一个功能的本地功能，同时弥补其不足，并占社会影响，揭示社区结构的网络。我们通过预测来自Add健康数据集的青少年的危险行为以及Facebook自我网络中用户的家乡来测试我们的模型。与仅通过特征进行预测相比，我们的模型在作为整体进行测量时表现出更好的预测准确性，特别是当作为网络丰富度的函数进行测量时。"
2016-12-02 cs.SI physics.soc-ph
Detecting Cohesive and 2-mode Communities in Directed and Undirected Networks
网络是表示对象之间关系信息的通用语言。对网络进行建模、推理和总结的一种有效方法是发现具有共同连接模式的节点集。这样的集合通常被称为网络社区。网络社区发现的研究主要集中在无向网络中密集连接节点的社区识别。在本文中，我们开发了一种新的重叠社区发现的方法，可扩展到数以百万计的节点和边缘的网络，并沿两个维度推进研究：社区的连接结构，并使用边缘定向社区发现。首先，我们扩展了传统的网络社区的定义，通过观察节点可以以两种不同的方式紧密相连：在有凝聚力的社区中，节点相互链接，而在2模式社区中，节点以二分的方式链接，其中链接在两个分区之间占主导地位，而不是在它们内部。我们的方法成功地检测2模式以及凝聚力的社区，也可能重叠或分层嵌套。第二，虽然大多数现有的社区发现方法对待有向边缘，好像他们是无向的，我们的方法占边缘方向，并能够识别新的和有意义的社区结构，在有向和无向网络，使用数据从社会，生物和生态领域。
2014-01-29 cs.SI physics.soc-ph
Characterizing the community structure of complex networks
社团结构是复杂网络的重要性质之一，对网络的拓扑结构和功能起着至关重要的作用。虽然在社区检测问题上已经做了大量的工作，但到目前为止，很少有人关注真实网络中的社区调查。我们提出了一个系统的经验分析的统计特性的社区在大型信息，通信，技术，生物和社交网络。我们发现，相同类别的网络的介观组织是非常相似的。这反映在社区结构的几个特征中，这些特征可用作特定网络类别的“指纹”。虽然社区规模分布总是很广，但某些类别的网络主要由树状社区组成，而其他类别的网络则具有更密集的模块。社区内的平均路径长度最初随社区规模的增长而增长，但当社区大于特征规模时，增长饱和或放缓。这种行为与社区内存在的枢纽有关，其作用因类别而异。此外，节点的社区嵌入性（以其社区内链接的比例来衡量）对于每个类别都有一个特征分布。我们的研究结果是通过使用两种根本不同的社区检测方法进行验证的。
2010-05-24 cs.IR physics.soc-ph
Language bubbles in online social networks
通过分析2018至2022年意大利Twitter/X政治辩论的转推网络和词汇指标，发现网络邻近社区词汇更相似、孤立社区语言更贫乏，提出“语言气泡”概念，揭示社会碎片化与语言分化之间的结构性联系。
2025-07-17 physics.soc-ph
Modelling Formation of Online Temporal Communities
当代社会媒体网络可以被视为对早期两步流模型的突破，在早期两步流模型中，有影响力的个人充当媒体和公众之间的中介，进行信息扩散。今天的社交媒体平台使用户能够生成和消费在线内容。用户不断地参与和脱离讨论，并进行不同程度的互动，从而形成不同的在线社区。这些社区通常是基于元数据（如Twitter上的主题标签）或由少数有影响力的用户触发的流行内容而形成的。这些在线社区往往不能反映真正的连通性，缺乏传统社区的凝聚力。在这项研究中，我们调查实时形成的时间社区在Twitter上。我们的目标是定义高和低级别的连接，并揭示集群的凝聚力的时间基础上的大小。受现实生活中的活动中心的座位安排的情况下，所提出的方法的目的是集群用户到不同的和有凝聚力的在线时间社区。社区的成员资格依赖于内在的推文属性来定义相似性，作为交互网络的基础。所提出的方法可以用于本地事件监测和基于客户端的营销等应用。
2018-04-27 cs.SI physics.soc-ph
Defining and Evaluating Network Communities based on Ground-truth
真实世界网络中的节点组织成紧密相连的社区，其中边缘在社区成员中高度集中。识别这样的节点社区已被证明是一项具有挑战性的任务，主要是由于社区的定义过多，算法难以处理，评估问题以及缺乏可靠的黄金标准真值。在本文中，我们研究了一组230个大型的现实世界的社会，协作和信息网络，其中节点显式地说明他们的组成员。例如，在社交网络中，节点明确地加入各种基于兴趣的社交群组。我们使用这样的群体来定义可靠和强大的真值社区概念。然后，我们提出了一种方法，使我们能够比较和定量评估如何不同的结构定义的网络社区对应于真值社区。我们选择了13种常用的网络社区结构定义，并研究了它们在识别真值方面的敏感性、鲁棒性和性能。我们发现，13个结构的定义是高度相关的，自然分为四类。我们发现，这些定义中的两个，电导和三合会参与比，始终给出最好的性能，在确定真值社区。我们还研究了一个任务，检测社区给定一个单一的种子节点。我们将局部谱聚类算法扩展为一种启发式的无参数社区发现方法，该方法可以轻松扩展到具有超过一亿个节点的网络。所提出的方法实现了30%的相对改善，目前的局部聚类方法。
2012-11-06 cs.SI physics.soc-ph
Online detection of temporal communities in evolving networks by estrangement confinement
时间社区是在一个不断发展的复杂网络的多个快照中对节点进行一致划分的结果，它可以帮助揭示网络中密集的集群如何随着时间的推移而出现、组合、分裂和衰退。目前的方法，在一个单一的快照中找到社区是不直截了当地推广到寻找时间社区，因为用于寻找静态社区的质量函数具有高度退化的景观，并最终分区中选择的许多分区的类似质量是高度敏感的网络中的小变化。为了可靠地检测时间社区，我们不仅需要在给定的快照中找到一个好的社区分区，而且还需要确保它与之前的快照中找到的分区具有一些相似性。我们提出了一种新的措施，分区距离称为“疏远”的动机节点间的关系，当纳入到分区质量的测量，有利于检测有意义的时间社区的惯性。具体来说，我们提出了疏远限制方法，它假设社区中的相邻节点更愿意继续分享社区的联系，随着网络的发展。约束疏远使我们能够找到有意义的时间社区在不同程度的时间平滑在不同的现实世界的数据集。具体来说，我们研究了美国国会参议员投票行为的演变，人类移动数据集中邻近度的演变，以及合成网络中难以找到的进化社区的检测。因此，疏远限制提供了一个原则性的方法来发现不断发展的网络中的时间社区。
2012-03-22 cond-mat.stat-mech cs.SI physics.soc-ph
Triangles as basis to detect communities: an application to Twitter's network
如今，科学界对社交网络产生的数据的调查的兴趣随着社交网络数据的指数增长而增加。数据结构的复杂性是阻碍他们理解的障碍之一。另一方面，社交网络中的社区发现有助于分析者揭示社区的结构和潜在语义。在本文中，我们提出了一个交互式的可视化方法依赖于我们的应用程序NLCOMS，它使用同步和相关的图形和社区的可视化视图。此外，我们提出了我们的算法在网络中的社区发现。对LFR [9]-[10]基准生成的实例进行了计算研究。最后，为了评估我们在真实世界数据上的方法，我们考虑了ANR-Info-RSN项目的数据。后者解决了Twitter中的社区发现。
2016-06-17 cs.SI physics.soc-ph
The rising of collective forgetting and cultural selectivity in inventors and physicists communities
这张纸要多久才会被遗忘？集体遗忘是文化作品所受到的关注随着时间的推移而衰减的过程。最近的研究将这种衰退建模为两个不同过程的结果，一个与交流记忆有关--由人类交流维持的记忆--和文化记忆--由内容的物理记录维持的记忆。然而，人们对集体遗忘动态如何随时间变化知之甚少。老的文化片段被遗忘的速度比新的要低吗？在这里，我们研究的时间变化的集体记忆和注意力集中在两个知识社区：发明家和物理学家。我们使用美国专利商标局（USPTO）的专利数据和美国物理学会（APS）发表的物理论文来量化集体遗忘如何随着时间的推移而变化。该模型使我们能够区分遗忘的两个分支。一个分支是短暂的，直接从交流记忆到遗忘。另一个是长期存在的，从交际到文化记忆，然后被遗忘。数据分析显示，随着信息的增长，两个社区的遗忘率都在增加。此外，这些知识社区似乎越来越有选择性地将有价值的文化片段储存在其文化记忆中。这些研究结果为遗忘作为一种无效假说提供了实证性的证实，并表明知识共同体可以通过提高其文化选择性来有效地减缓集体遗忘的上升。
2020-08-14 cs.SI physics.app-ph physics.soc-ph
LabelRank: A Stabilized Label Propagation Algorithm for Community Detection in Networks
大数据分析中的一个重要挑战是在大规模网络中发现内聚群体，包括社交网络、遗传网络、通信网络等。在本文中，我们提出了LabelRank，一个有效的算法检测社区通过标签传播。一组运营商被引入到控制和稳定的传播动力学。这些操作解决了传统标签传播算法（LPA）中的随机性问题，在同一网络的所有运行中稳定发现的社区。对真实网络的测试表明，与LPA以及其他流行算法相比，LabelRank显著提高了检测到的社区的质量。
2013-03-13 cs.DS 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
Patterns of Emotional Blogging and Emergence of Communities: Agent-Based Model on Bipartite Networks
背景资料：本文利用基于主体的建模方法和从相关实证数据中推断出的参数，对博客群体情绪行为的机制进行了研究。方法/主要发现：一个双边网络的情感代理和职位的发展，通过添加代理和他们的行动的职位。代理的情绪状态，量化的唤醒和效价，波动的时间，由于事件上的连接职位，并在代理的行动的时刻，它被转移到一个选定的职位。我们声称，间接沟通的情感模型规则，结合行动延迟时间和昼夜节律提取的经验数据，可以解释的成因流行的博客和类似的门户网站上的用户的情绪爆发。该模型还确定了参数以及它们如何影响动态过程。结论：在这里，集体行为被网络上社区的出现和他们的情绪评论的分形时间序列所认可，这些评论由负面情绪（批评）提供动力。不断发展的代理社区在唤醒-效价变量的相空间中留下活动的特征模式，其中每个片段代表心理学中描述的共同情感。
2011-10-23 cs.HC cs.SI physics.soc-ph
Uncovering Complex Overlapping Pattern of Communities in Large-scale Social Networks
当每个顶点参与多个社区时，传统的社区概念倾向于内部边缘与外部边缘的高比率变得无效。这种行为在社交网络中是常见的。社区之间的显著重叠使得大多数现有的社区发现算法无效。缺乏有效和高效的工具，导致很少有实证研究的大规模检测和分析重叠的社区结构在真正的社交网络。我们最近开发了一个可扩展的和准确的方法称为部分社区合并算法（PCMA）的线性复杂度，并证明了其有效性，通过分析两个在线社交网络，新浪微博和Facebook，分别为79.4和65.6万顶点。在这里，我们报告了对PCMA检测到的290万个社区的深入分析，以揭示它们复杂的重叠结构。每个社区通常与大量其他社区重叠，并且具有比内部边缘多得多的向外边缘。然而，这些社区仍然彼此隔离。社区中的大多数顶点是多成员顶点，它们可以位于核心或外围。几乎整个网络的一半可以由一个极其密集的社区网络来占据，社区是顶点，重叠是边。实证研究结果要求我们重新思考社区的概念，尤其是社区的边界。意识到边缘是如何组织的问题，f-核心建议作为一个合适的概念重叠社区在社交网络。研究结果为理解重叠群落提供了新的思路。
2019-06-02 cs.SI physics.soc-ph
Viability of an elementary syntactic structure in a population playing Naming Games
我们探讨如何沟通和学习的社会动力学可以带来的崛起，在人口中的发言者的句法通信。我们的研究是从一个版本的博弈模型，其中引入了一个基本的句法结构。这一分析表明，在需要交换大量概念的社区中，从非句法交流到句法交流的转变是如何受到社会青睐的。
2012-08-20 cs.SI physics.comp-ph physics.soc-ph
Evaluating the Vulnerability of Communities in Social Networks by Gravity Model
随着网络科学的发展，复杂网络的各种性质受到了广泛的关注。在这些属性中，社区的脆弱性（VoCs）尤为重要。在传统的研究中，评价模型只考虑了群落的部分结构特征，而没有考虑群落的多个方面。但在现实中，对VoC的影响是多方面的，既有VoC自身的结构属性，也有其他社区的影响。为了更好地对社区之间的影响进行建模，从而对社会网络中的VoCs进行评估，提出了一种基于引力的社区脆弱性评估模型。该模型考虑了社区内部的边数、连接相邻社区的边数和每个社区的引力指数（GI）三个方面的因素，分别对应于社区内部信息、小尺度交互关系和大尺度交互关系。通过Jensen-Shannon散度（JSD）和对数S形转换（LST）函数，计算每对社区之间的抽象距离（AD），构建社区网络（CN）。利用引力模型，可以得到描述大尺度相互作用关系的各群落的GI。最后，利用该模型计算了群落的脆弱度和脆弱度排序，并利用Sobol指数分析了权重参数的敏感性。特别是，该方法可以退化到经典的方法与加权参数的设置。几个实际复杂网络的仿真结果表明了该模型的有效性和合理性。
2019-12-16 cs.SI physics.soc-ph
SurpriseMe: an integrated tool for network community structure characterization using Surprise maximization
检测社区，密集连接的群体可能有助于解开不同生物网络中存在的单元之间的潜在关系（例如，相互作用组、共表达网络、生态网络等）。我们最近证明，社区可以通过最大化惊喜（一个全局网络参数）来非常精确地表征。在这里，我们提出了SurpriseMe，一个工具，它集成了七个最好的算法的输出，以估计最大的惊喜值。SurpriseMe还生成距离矩阵，可以可视化算法生成的解决方案之间的关系。我们表明，目前在小型和中型网络的社区，多达10.000个节点，可以很容易地描述：在标准的PC计算机上，这些分析需要不到一个小时。此外，四个算法可以相当迅速地分析网络与多达100.000个节点，给予足够的内存资源。由于其性能和简单性，SurpriseMe是社区结构表征的参考工具。
2013-10-09 cs.SI physics.soc-ph q-bio.MN
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
Hyperlink communities in higher-order networks
本文将链接社区扩展为超图中的超链接社区，通过超边层次聚类揭示高阶网络的层次与多尺度结构，并支持节点重叠归属及结构角色分类。
2024-02-19 cs.SI physics.soc-ph stat.ME
From calls to communities: a model for time varying social networks
社会互动随时间变化，似乎是由内在机制驱动的，这反过来又塑造了社会网络的新兴结构。大规模的社会互动结构的实证观察最近才成为可能，建模其动态是一个实际的挑战。在这里，我们提出了一个时间网络模型，它建立在活动驱动的时变网络与记忆的框架。该模型还整合了推动社会关系形成的关键机制-社会强化、焦点闭合和循环闭合，这些机制已被证明会产生社区结构和网络的全球连通性。我们比较了所提出的模型与现实世界中的时变网络的移动电话通信，并表明他们共享的几个特点，从异构度和权重丰富的社区结构。此外，从模型中出现的强关系和弱关系遵循与现实世界社交网络类似的权重拓扑关系，包括弱关系的作用。
2015-06-01 cs.CY cs.SI physics.comp-ph
