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
Dynamic Network 3 -- 0 FIFA Rankings: Replacing an inaccurate, biased, and exploitable ranking system
我们探讨的优势，代表国际足球比赛的结果作为一个有向网络，以给每支球队的排名。两个基于网络的模型-静态和动态-构建和比较与国际足联排名。动态模型在世界杯预测准确性方面优于FIFA排名，同时还消除了大陆偏见，减少了FIFA排名被利用的脆弱性。
2018-11-30 cs.SI physics.soc-ph
Random walks in directed modular networks
由于扩散通常涉及对称的相互作用，很少注意力集中在研究不对称的情况下。然而，重要的网络系统（如皮层网络和万维网）的基础上的扩散是固有的方向。在无向扩散的情况下，可以证明随机游走动力学的稳态概率与度完全相关，这对于有向网络不再成立。我们研究了这种概率和模块化网络中的内向节点度（我们称之为效率）之间的关系。我们的研究结果表明，一个给定的社区的效率主要取决于它的流入和流出之间的平衡。此外，我们推导出的解析表达式表明，内部度的节点不发挥其效率的关键作用，当考虑Erdens-Rényi和Barabási-Albert模型。结果说明猕猴皮层网络，提供补贴，改善交通和通信系统。
2016-07-22 cond-mat.stat-mech physics.bio-ph physics.soc-ph
Community structure in directed networks
我们考虑在有向网络中寻找社区或模块的问题。在以前的文献中，这个问题的最常见的方法是简单地忽略边缘方向和应用开发的方法在无向网络中的社区发现，但这种方法丢弃潜在的有用信息中包含的边缘方向。在这里，我们展示了如何被广泛使用的效益函数称为模块化，可以推广到一个原则性的方式，将包含在边缘方向的信息。这反过来又允许我们通过最大化网络可能划分的模块性来找到社区，我们使用基于相应模块性矩阵的特征向量的算法来实现这一点。这种方法被证明比以前的方法在各种测试网络，真实的和计算机生成的结果。
2007-09-27 physics.data-an physics.soc-ph
Ranking hubs and authorities using matrix functions
基于底层图的邻接矩阵的指数的子图中心性和可通信性的概念已有效地用于无向网络的分析。在本文中，我们提出了一个扩展这些措施，有向网络，我们将它们应用到排名枢纽和当局的问题。扩展是通过二分实现的，即，将有向网络映射到具有两倍节点的二分无向网络上，以获得具有对称邻接矩阵的网络。我们明确地确定指数的邻接矩阵的原始的，有向网络的邻接矩阵，我们给出了一个解释的中心性和可通信性在这个新的背景下，导致一个技术排名枢纽和当局。矩阵指数法计算枢纽和当局相比，众所周知的HITS算法，无论是在小的人工例子和更现实的现实世界的网络。一些其他的排名算法也进行了讨论，并与我们的技术进行比较。使用高斯求积规则计算枢纽和权威的分数进行了讨论。
2012-10-01 cs.NA cs.SI math.NA
Modularity of Directed Networks: Cycle Decomposition Approach
近年来，将网络分解为模块（或集群）的问题得到了广泛的关注，因为它可以对复杂系统进行粗粒度描述，经常揭示这些系统的功能子单元。已经提出了各种模块检测算法，主要面向寻找无向网络的硬划分。尽管有向网络的模糊聚类方法越来越多，这些方法往往忽略了重要的方向信息。在本文中，我们提出了一种新的随机游走为基础的方法来寻找模糊分区的有向加权网络，其中边缘方向起着至关重要的作用，在定义如何以及节点在一个模块中互连。我们将证明，循环分解的随机游走过程连接网络模块的概念和网络中的信息传输，导致一个新的，对称的节点通信措施。步行过程，我们将证明，虽然是时间可逆的，但它继承了原始网络的方向和模块结构的所有必要信息。最后，我们将使用这个措施，介绍一个通信图，我们将表明，虽然是无向的，它继承了所有必要的信息，从原来的网络模块化结构。
2014-07-31 cs.SI math-ph math.MP
Evolutionary dynamics and fixation probabilities in directed networks
我们研究了有向和/或加权网络的演化动力学。本文研究了随机选民型动态系统中有限种群中突变体的固定概率。固定概率定义为野生型种群中新引入的突变体接管整个种群的概率。与无向和无权网络的情况相反，有向网络中突变体的固定概率不仅由突变体最初入侵的节点的程度来表征，而且由网络的全局结构来表征。因此，网络的总连通性，如小世界属性或模块性对固定概率有重大影响。
2009-03-12 physics.soc-ph
Spectral Properties of Directed Random Networks with Modular Structure
我们研究了具有抑制性和兴奋性耦合的有向网络的谱。我们特别研究了不同模型网络的特征向量局部化特性，它们的条目之间的相关性不同。具有完全不相关项的随机网络的谱显示具有离域特征向量的圆形分布，其中具有相关项的网络具有局部特征向量。为了了解本地化的起源，我们跟踪光谱作为连接概率和方向性的函数。由于连接是定向的，本征态开始出现在复共轭对中，并且本征值分布与局部化测量相结合显示出丰富的模式。此外，对于一个很好区分的社区结构，整个频谱是本地化的，除了少数本征态的边界处的圆形分布。当网络偏离社团结构时，网络的局部化性质会发生突变，而此时网络的变形值很小。我们寻找这种效果的整个范围内的相关强度和不同的社区配置。此外，我们研究了斑马鱼代谢网络的光谱特性，并与模型网络的光谱特性进行了比较。
2011-10-18 cond-mat.dis-nn cs.SI physics.soc-ph
SVD Incidence Centrality: A Unified Spectral Framework for Node and Edge Analysis in Directed Networks and Hypergraphs
Instituto Curvelo（Curvelo研究所）；Federal University of Espirito Santo（埃斯皮里托桑托联邦大学）
SVD Incidence Centrality 提出了一种基于 incidence 矩阵奇异值分解的统一谱框架，用于有向网络和超图中节点和边的中心性分析，解决了传统方法在方向信息保留和稀疏性问题上的不足。
2026-02-17 cs.SI physics.soc-ph
A complex networks approach to ranking professional Snooker players
详细分析了1968-2020年期间斯诺克运动中的比赛，并根据相应的结果计算了一个有向和加权的优势网络。我们认为一个排名程序的基础上，充分研究PageRank算法，不仅包含了球员的职业生涯中的胜利的数量，但也面临着在这些胜利的对手的质量的细节。通过这项研究，我们发现，约翰希金斯是最高性能的斯诺克球员的所有时间与罗尼奥沙利文出现在第二位。我们展示了这种方法如何可以应用于各种时间段，在每个时间段，我们可以确定在相应的时代最强的球员。这个过程，然后比较与更经典的排名计划。此外，一个被称为排名时钟的可视化工具被引入到这项运动中，可以立即分析单个竞争对手的职业轨迹。这些结果进一步证明了网络科学在量化体育领域成功方面的应用。
2020-10-16 physics.soc-ph
Dimension reduction of dynamics on modular and heterogeneous directed networks
降维是研究由大量变量组成的非线性动力系统的常用策略。我们的目标是找到一个更小的版本的系统，其时间演化更容易预测，同时保留原始系统的一些关键动力学特征。然而，为复杂系统找到这样一个简化的表示是一项艰巨的任务。我们解决这个问题的动态加权有向网络，特别强调模块化和异构网络。我们提出了一个两步降维的方法，考虑到邻接矩阵的属性。首先，将单元划分为相似连接配置文件的组。每个组都与一个可观察值相关联，该可观察值是该组内节点活动的加权平均值。其次，我们推导出一组条件，必须满足这些可观的正确表示原始系统的行为，以及近似解决它们的方法。其结果是一个简化的邻接矩阵和一个近似的常微分方程组的观测量的发展。我们表明，减少系统可用于预测的一些特性功能的完整的动态不同类型的连接结构，合成和来自真实的数据，包括神经元，生态，和社交网络。我们的形式主义开辟了一条途径，系统地比较各种结构属性对整体网络动态的影响。因此，它可以帮助确定主要的结构驱动力，指导网络上的动态过程的演变。
2022-06-22 cond-mat.stat-mech math.DS physics.soc-ph
Identifying the greatest team and captain - A complex network approach to cricket matches
我们考虑了1877年至2010年之间的所有测试比赛和1971年至2010年之间的一天国际（ODI）比赛。我们形成了团队和队长的有向和加权网络。一支球队（或队长）的成功取决于胜利的“质量”，而不仅仅是胜利的数量。我们在网络上应用基于扩散的PageRank算法来访问胜利的重要性，并分别对球队和队长进行排名。我们的分析将{ \it Australia}确定为板球$-$测试和ODI两种形式中的最佳球队。{ \it Steve Waugh}被确定为测试板球中最好的队长，{ \it Ricky Ponting}是ODI格式中最好的队长。我们还将我们的排名方案与现有的排名方案进行了比较，其中包括Reliance ICC排名。我们的方法不依赖于球队（队长）排名的“外部”标准。本文的目的是介绍一个修订后的排名板球队和量化的成功的队长。
2012-01-09 physics.soc-ph
Ranking and clustering of nodes in networks with smart teleportation
随机隐形传态是基于随机游动的有向网络的排序和聚类的必要条件。隐形传态使遍历的解决方案，但解决方案必须依赖于精确的实施和参数化的隐形传态。例如，在常用的PageRank算法中，隐形传态速率必须在严重偏差的解与均匀解之间进行权衡。在这里，我们表明，隐形传态的链接，而不是节点，使一个更平滑的权衡和有效地更强大的结果。我们还表明，通过不记录随机行走的隐形传态步骤，我们可以进一步减少隐形传态的影响，对聚类产生巨大的影响。
2012-06-02 cs.SI physics.soc-ph
A network-based dynamical ranking system for competitive sports
从网络的角度来看，运动员或运动队的排名系统相当于运动网络的中心性度量，其中有向链接表示单个游戏的结果。先前提出的基于网络的排名系统是从静态网络中导出的，即，随着时间的推移游戏结果的聚合。然而，球员（或球队）的得分会随着时间的推移而波动。在巅峰时期击败一位著名的球员，比在其他时期击败同一位球员更有意义。考虑到这一因素，我们提出了一个动态的变化，这样一个基于网络的排名系统，并将其应用于专业男子网球数据。我们推导出一组线性在线更新方程的每个球员的得分。建议的排名系统预测的结果，未来的游戏具有更高的准确性比静态同行。
2012-12-05 cs.SI physics.soc-ph
A model for efficient dynamical ranking in networks
Università di Genova（热那亚大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；African Institute for Mathematical Sciences（非洲数学科学研究所）；University of Colorado Boulder（科罗拉多大学博尔德分校）；BioFrontiers Institute（生物前沿研究所）；Santa Fe Institute（圣塔菲研究所）
本研究提出一种受物理学启发、通过求解线性方程组实现的有向时间网络动态排名推断方法，仅需调一个参数，高效可扩展，在多场景下预测表现优于现有方法。
2024-08-09 cs.LG cs.SI physics.data-an
A Probabilistic Framework for Structural Analysis in Directed Networks
在我们最近的工作中，我们开发了一个无向网络结构分析的概率框架。该框架的核心思想是通过对称双变量分布对网络进行采样，然后使用该双变量分布来定义各种概念，包括中心性，相对中心性，社区和模块性。本文的主要目标是将概率框架扩展到有向网络，其中抽样二元分布可能是不对称的。我们的主要发现是，我们可以放松的假设，从对称的二元分布的二元分布，具有相同的边缘分布。通过使用这样一个较弱的假设，我们表明，在有向网络的结构分析的各种概念也可以定义在相同的方式。然而，由于二元分布可能是不对称的，我们以前的工作中提出的社区发现算法不能直接应用。为此，我们证明了可以构造另一个具有对称双变量分布的采样图，使得对于网络的任何分区，模块化指数与原始采样图的模块化指数保持相同。在此基础上，我们提出了一个层次凝聚算法，返回一个分区的社区时，算法收敛。
2015-10-16 cs.SI physics.soc-ph
Local community extraction in directed networks
网络是现实世界复杂系统的简单但强大的表示。网络社区分析已经成为探索和揭示节点内部组织的宝贵工具。然而，只有少数方法直接设计用于有向网络中的社区检测。在这篇文章中，我们在有向网络中引入了局部社区结构的概念，并提供了一个通用的标准来描述一个具有两个性质的局部社区。我们进一步提出了一个随机优化算法来快速检测一个局部社区，它允许揭示有向网络中的有向模块化特征。数值结果表明，该方法能较好地解决具有方向信息的局部社区问题，并能提供更多的有向网络的结构特征.
2015-08-10 cs.SI physics.soc-ph
Predicting link directions via a recursive subgraph-based ranking
链接方向对网络的功能至关重要，它们的预测有助于从不完整的真实世界数据中更好地了解有向网络。研究了利用剩余环的存在性和方向来预测剩余环的方向的问题。我们提出了一个解决方案，首先排名节点在一个特定的顺序，然后预测每个链接从一个排名较低的节点向一个排名较高的。所提出的排名方法递归地工作，通过利用多个尺度上的本地指标，每个指标对应于从原始网络中提取的子图。在真实网络上的实验表明，我们的方法可以正确地恢复相当一部分链接的方向，这优于纯粹的本地或全球的方法。
2012-06-28 cs.SI physics.soc-ph
Inequality and Inequity in Network-based Ranking and Recommendation Algorithms
虽然算法承诺了许多好处，包括效率，客观性和准确性，但它们也可能引入或放大偏见。在这里，我们研究两个著名的算法，即PageRank和Who-to-Follow（WTF），并显示在何种程度上他们的排名产生不平等和不公平时，适用于有向社交网络。为此，我们提出了一个有向网络模型的优先连接和同质性（DPAH），并证明了网络结构的影响，这些算法的秩分布。我们的主要研究结果表明，（i）不平等与不平等正相关，（ii）不平等是由偏好依恋，同质性，节点活动和边缘密度之间的相互作用驱动的，（iii）不平等是由同质性和少数群体规模之间的相互作用驱动的。特别是，这两个算法减少，复制和放大少数群体在顶级排名的代表性时，多数是同性恋，中性和异性恋，分别。此外，当这种代表性减少时，少数群体可以通过在网络中进行战略性联系来提高他们在等级中的可见度。例如，当大多数人也是同性恋者时，通过增加他们的外向度或同性恋。这些发现揭示了阻碍基于网络的排名和推荐算法中的平等和公平的社会和算法机制。
2022-07-22 cs.DS cs.SI physics.soc-ph
Dynamics on networks I. Combinatorial categories of modular continuous-time systems
我们开发了一个新的框架，研究复杂的连续时间动力系统的基础上，把它们看作是相互作用的控制模块的集合。这个框架的灵感来自Golubitsky，Stewart和他们的合作者的群胚形式主义。我们的方法使用的工具和-更重要的-立场的范畴论。这使我们能够把群胚形式主义在坐标自由设置和推广它从常微分方程的向量场流形上。特别是，我们构建的模块化连续时间动力系统的类别的组合模型。每个这样的模型，作为一个类别，是一个适当类别的标记有向图上的纤维化。这使得生活在网络上的动力系统与底层有向图的组合结构之间的关系变得精确，使我们能够以新的有趣的方式利用这种关系。
2011-04-05 math.DS physics.soc-ph q-bio.MN
Analysis of community structure in networks of correlated data
我们提出了一个重新制定的模块化，允许相关数据的网络中的社区结构的分析。新的模块化保留了原始定义的概率语义，即使网络是有向的，加权的，有符号的，并且有自循环。这是在研究任何网络时可以找到的最普遍的条件，特别是那些从相关数据定义的网络。我们将我们的研究结果应用于一个真实的网络，在里昂市（法国）的商店之间的相关数据。
2009-03-16 physics.soc-ph
Hierarchy and ranking in pairwise sports contests
Eötvös Loránd University（罗兰大学）；Semmelweis University（塞梅维什大学）
本文研究了单人体育赛事中运动员间的网络结构，发现淘汰赛会产生更少的层级但更可能产生循环胜负情况，且网络指标可预测比赛结果，其准确性与官方排名或Elo系统相当。
2025-08-27 physics.soc-ph
Context Sensitive Article Ranking with Citation Context Analysis
在特定的上下文中很难发现重要的文章。基于全文检索的信息检索技术可能无法准确识别主要主题，并且无法提供有关文章重要性的指示。生成一个引文网络是找到最流行文章的好方法，但这种方法没有上下文意识。引用标记周围的文本通常是所引用文章的很好的摘要。因此，引文上下文分析提供了一个机会，利用群众的智慧，在上下文敏感的方式检测重要的文章。在这项工作中，我们分析引用上下文，以适当地为给定的主题排名的文章。该模型使用引文上下文，以创建一个有向和加权的引文网络的基础上的目标主题。如果引用上下文包含与目标主题相关的术语，则在两篇文章之间创建有向和加权边。然后，我们应用常见的排名算法，以便在这个新创建的网络中找到重要的文章。我们表明，这种方法成功地检测到一个很好的子集，最突出的文章在一个给定的主题。这种方法的最大贡献是，我们能够识别给定搜索词的重要文章，即使这些文章不包含该搜索词。此技术可用于其他链接文档，包括网页、法律文档和专利。
2016-04-26 cs.DL cs.IR cs.SI
Module identification in bipartite and directed networks
模块性是现实世界中复杂网络最重要的特性之一。在这里，我们解决了两个重要的网络类：二分网络和定向unipartite网络的模块识别问题。二分网络中的节点被分成两个不重叠的集合，并且链路必须有来自每个集合的一个端节点。有向单部网络只有一种类型的节点，但链接有起点和终点。我们表明，有向单部网络可以方便地表示为二部网络的模块识别的目的。我们报告了一种新的方法，特别适合于模块检测二分网络，并定义了一组随机网络，使我们能够验证新的方法。
2007-09-07 physics.bio-ph physics.data-an physics.soc-ph
The game of go as a complex network
我们从复杂网络的角度来研究围棋博弈。我们构建了一个有向网络，使用一个合适的定义，包括本地模式的战术动作，并研究这个网络的不同数据集的专业锦标赛和业余比赛。移动分布遵循Zipf定律，网络是无标度的，具有不同于其他真实有向网络的统计特性，如e。G.环球网这些特性反映在应用于它的排名算法的结果中。对排名算法所使用的矩阵的特征值和特征向量的精细研究挑出了某些战略情况。我们的结果应该为棋盘游戏和其他类型的人类战略策划的更好模型化铺平道路。
2012-04-18 cond-mat.stat-mech cs.GT cs.SI
Ranking Competitors Using Degree-Neutralized Random Walks
竞争在许多复杂的生物、社会和技术系统中普遍存在，在系统的进化动力学中起着不可或缺的作用。根据竞争的结果来确定系统中为生存和成功而竞争的组成部分的支配等级或排名通常是有用的。在这里，我们提出了一个排名方法的基础上的网络上的随机游走表示的竞争对手的节点和竞争的有向边与不对称的权重。我们使用边缘权重和节点度来定义每个边缘上的梯度，该梯度引导随机游走器朝向较弱（或较强）的节点，这使我们能够将稳态占用解释为节点的弱点（或强度）的度量，该节点没有不必要的度引起的偏差。我们将我们的方法应用于两个真实世界的竞争网络，并探讨了排名稳定性和预测精度的问题，发现我们的方法优于其他方法，包括在稀疏网络中的基线输赢差分方法。
2016-08-10 cond-mat.stat-mech cs.SI physics.soc-ph
Dynamics-based centrality for general directed networks
确定有向网络中节点的相对重要性对于网站、出版物和运动队的排名以及理解系统生物学中的信号流都很重要。在这方面，一个流行的中心性度量是PageRank。在这项工作中，我们专注于另一类中心性来自网络的拉普拉斯算子。我们扩展的拉普拉斯中心，这主要是应用于强连接网络，一般有向网络的情况下，我们可以定量比较任意节点。为此，我们采用PageRank中使用的思想，在具有一定强度的所有节点对之间引入全局连接性。在一些网络上进行了数值模拟。我们还提供了基于拉普拉斯的一般有向网络的各种动力学和结构特性的中心性的解释。重要的是，拉普拉斯为基础的中心性定义为固定的密度的连续时间随机游走随机跳跃被证明是等价的吸收概率的随机游走汇在每个节点，但没有随机跳跃。类似地，所提出的中心性表示在具有汇但不具有随机跳跃的原始网络上的节点在动力学中的重要性。
2010-11-08 cond-mat.dis-nn physics.soc-ph
Measuring dynamical systems on directed hyper-graphs
网络和图为大量的系统提供了一个简单但有效的模型，这些系统的构建块通过成对交互进行交互。不幸的是，这样的模型不能描述所有那些系统的积木互动在一个更高的顺序。高阶图为我们的任务提供了正确的工具，但由于交互顺序而引入了更高的计算复杂度。本文分析了有向超图的结构与其上定义的线性动力系统（随机游动）之间的相互作用，如何将网络度量（如中心性或模块性）扩展到这个框架中？我们不再通过超图框架重新定义网络测度，而是测量与之相关的动力系统，这种方法使我们能够将已知的测度应用于成对结构，如转移矩阵，并确定一系列适合这种过程的测度。
2022-09-06 cs.CY physics.soc-ph
Ordered community detection in directed networks
我们开发了一种方法来推断社区结构的有向网络中的群体是在一个潜在的一维层次结构，确定首选的边缘方向。我们的非参数贝叶斯方法是基于修改的随机块模型（SBM），它可以利用排名对齐和一致性，以产生简约的描述网络，组合有序的层次结构与任意混合模式之间的组。由于我们的模型还包括定向度校正，我们可以用它来区分非局部层次结构与局部入度和出度不平衡-从而消除大多数排名方法中存在的合并源。我们还展示了如何与无序SBM变体获得的结果进行可靠的比较，以确定分层排序是否在统计上是有道理的。我们说明了我们的方法在各种各样的经验网络在几个领域的应用。
2022-08-31 cs.SI physics.data-an physics.soc-ph
A physical model for efficient ranking in networks
Columbia University（哥伦比亚大学）；Santa Fe Institute（圣塔菲研究所）；University of Colorado（科罗拉多大学）
我们提出了一个物理启发的模型和一个有效的算法来推断有向网络中节点的层次排序。它将实值秩分配给节点，而不是简单的序数秩，并且它形式化了这样一个假设，即具有相似秩的个体之间更有可能发生交互。它为推断的层次结构提供了自然的统计显著性测试，并且可以用于执行推断任务，例如预测边的存在或方向。排名是通过求解线性方程组获得的，如果网络是稀疏的，则该线性方程组是稀疏的;因此所产生的算法是非常有效和可扩展的。我们通过分析真实和合成数据来说明这些发现，包括来自动物行为，教师招聘，社会支持网络和体育比赛的数据集。我们表明，我们的方法往往优于各种其他人，在速度和准确性，在恢复底层的排名和预测边缘方向。
2018-06-13 cs.LG cs.SI physics.data-an
Giant strongly biconnected components of directed networks: a generating function approach
Chungbuk National University（忠北国立大学）；University of Florida（佛罗里达大学）
该研究提出生成函数方法推导有向网络巨型强双连通分量（SBC）的大小，分析其渗流行为，发现其与巨型强连通分量（SCC）同阈值出现但增长更慢，并将框架应用于生物网络，揭示连通性等的相互作用。
2026-08-27 physics.soc-ph q-bio.MN
Friendship networks and social status
在友谊网络的实证研究中，参与者通常会在访谈或问卷调查中被要求识别他们的一些或所有亲密朋友，从而形成一个有向网络，其中友谊可以而且经常是在一对个体之间只朝一个方向发展。在这里，我们分析了大量代表美国高中和初中学生之间友谊的网络，并表明，没有回报的友谊模式远非随机。我们发现，在每个网络中，参与者都有一个从低到高的排名，几乎所有的无回报友谊都是由排名较低的人与排名较高的人建立友谊组成的。我们提出了一个最大似然法推导出这样的排名从观察到的网络数据和猜想，排名反映了社会地位的措施。我们特别注意到，互惠和非互惠的友谊服从不同的统计数据，表明不同的形成过程，排名与传统上与地位相关的参与者的其他特征相关，例如年龄和整体受欢迎程度（以朋友总数衡量）。
2012-05-30 cs.SI physics.soc-ph
Generalized Louvain Method for Community Detection in Large Networks
在本文中，我们提出了一种新的策略，发现社区结构（可能是大型）网络。这种方法是基于众所周知的网络模块化优化的概念。要做到这一点，我们的算法利用了一种新的措施的边缘中心，基于k路径。这种技术允许在接近线性时间内有效地计算大型网络中的边缘排名。一旦计算出中心性排名，该算法就计算网络节点之间的成对接近度。最后，它发现了社区结构，采用了著名的最先进的鲁汶方法（以下简称LM）的启发策略，有效地最大化网络模块化。我们进行的实验表明，我们的算法优于其他技术，并略有改善原始LM的结果，提供可靠的结果。另一个优点是，它的采用自然地扩展到甚至未加权的网络，与LM不同。
2012-02-10 cs.SI physics.soc-ph
Evolutionary method for finding communities in bipartite networks
揭示网络结构和网络上定义的动态之间的关系的一个重要步骤是检测社区，并且已经分别开发了许多方法来识别不同类别的网络中的社区结构，例如单部网络，二部网络和有向网络。我们证明了单部网络和有向网络都可以表示为二部网络，并且它们的模块性与二部网络的模块性完全一致，其上的模块结构的检测可以重新表述为模块性最大化。为了优化二分模块，我们开发了一种改进的自适应遗传算法（MAGA），这是特别有效的社区结构检测。MAGA的高效率是基于我们所做的以下三个改进。首先，我们引入了一个不同的测量基因座的信息量，而不是标准差，它可以准确地确定哪些基因座突变。该度量是基因座在当前群体上的分布与基因座的均匀分布之间的偏差，即，Kullback-Leibler分歧其次，我们开发了一种重新分配技术，用于区分一个位点在初始阶段从随机状态中获得的信息状态。第三，我们提出了一种改进的变异规则，通过加入相关操作，可以保证MAGA收敛到全局最优，并可以加快收敛过程。实验结果表明，MAGA优于现有的方法在模块性方面的二部和单部网络。
2011-06-04 cond-mat.stat-mech cs.NE cs.SI
Benchmarks for testing community detection algorithms on directed and weighted graphs with overlapping communities
许多复杂的网络显示出一种介观结构，其中节点组与该组中的其他节点共享许多链接，而与不同组的节点共享的链接相对较少。这个特征被称为社区结构，它编码了关于节点的组织和功能的宝贵信息。已经提出了许多算法，但尚不清楚如何测试它们。最近，我们提出了一般类的无向和无权的基准图，与异质分布的节点度和社区大小。越来越多的注意力最近一直致力于开发算法，能够考虑的方向和重量的链接，这需要合适的基准测试图。在本文中，我们扩展了我们之前的基准测试背后的基本思想，以生成具有内置社区结构的有向和加权网络。我们还考虑了节点属于更多社区的可能性，这是真实系统中出现的一个特征，例如，e。例如，在一个实施例中，社交网络。作为一个实际应用，我们展示了模块化优化如何在我们的新基准上执行。
2009-07-31 physics.comp-ph physics.soc-ph
Identifying modular flows on multilayer networks reveals highly overlapping organization in social systems
揭示网络的社区结构是理解跨社会和自然科学的互连系统的强大方法。为了识别聚集在单个网络层中的交互数据中的不同类型的功能模块，研究人员开发了许多强大的方法。例如，基于流的方法已被证明可用于识别加权和定向网络中的模块化动态，这些网络捕获它们所代表的系统中的流约束。然而，许多网络系统由呈现多层交互的代理或组件组成。不可避免的是，将这种复杂的网络表示为单个聚合网络会导致信息丢失，并可能掩盖实际的组织。在这里，我们提出了一种基于网络流的压缩，可以识别非聚合多层网络中的模块流的方法。我们的合成网络的数值实验表明，该方法可以准确地识别模块，无法识别的聚合网络或单独分析层。我们利用我们的研究结果，并揭示了两个多层合作网络的社区结构：隶属于皮埃尔·奥格天文台的科学家和在arXiv网络上发表作品的科学家。与传统的聚合方法相比，多层方法揭示了具有更多重叠的更小模块，从而更好地捕获实际组织。
2014-08-13 cs.SI physics.soc-ph
