Uncovering the Small Community Structure in Large Networks: A Local Spectral Approach
大型图出现在许多背景下，理解它们的结构并从中提取信息是一个重要的研究领域。挖掘社区的早期算法专注于全局结构，并且通常根据整个图的大小随时间函数运行。如今，我们经常探索具有数十亿个顶点的网络，并发现数百个大小的社区，因此在处理大型网络时，将我们的注意力从宏观结构转移到微观结构至关重要。越来越多的工作采用了本地扩展方法，以便从一些模范种子成员中识别社区。在本文中，我们提出了一种新的方法来寻找重叠的社区称为LEMON（本地扩展通过最小一个范数）。与PageRank扩散方法不同，LEMON通过在局部谱的跨度中寻找稀疏向量来找到社区，使得种子在其支持下。我们表明，LEMON可以达到最高的检测精度之间的国家的最先进的建议。运行时间取决于社区的大小，而不是整个图的大小。该算法易于实现，具有高度的并行性。此外，由于网络的性质并不完全相同，因此仍然缺乏关于本地扩展方法如何适用于发现不同网络中的社区的全面分析。我们使用不同领域的合成数据集和真实数据集对我们的方法进行了全面评估，并分析了将我们的方法应用于实际中固有的不同网络时的经验变化。此外，还对种子集的质量和数量对性能的影响进行了分析。
2015-09-25 cs.DS cs.SI physics.soc-ph
Uncovering Social Network Sybils in the Wild
Sybil账户是为了不公平地增加单个恶意用户的权力或资源而创建的虚假身份。研究人员早就知道Sybil账户在文件共享系统等在线社区中的存在，但一直无法进行大规模测量来检测它们或测量它们的活动。在本文中，我们描述了我们的努力，以检测，表征和理解在人人网在线社交网络（OSN）的Sybil帐户活动。我们使用人人网提供的地面实况。建立基于测量的Sybil账户检测器，并部署在人人网上，检测超过10万个Sybil账户。我们研究了这些Sybil账户，以及人人网捕获的另外560，000个Sybil账户，并分析了他们的链接创建行为。最有趣的是，我们发现，与先前的猜测相反，OSN中的Sybil帐户并没有形成紧密的社区。相反，他们像普通用户一样融入社交图谱。使用链接创建时间戳，我们验证了Sybil帐户之间的大多数链接都是在攻击者不知情的情况下意外创建的。总体而言，只有很小一部分Sybil帐户与其他Sybil有社交链接。我们的研究表明，现有的Sybil防御不太可能在今天的OSN中取得成功，我们必须设计新的技术来有效地检测和防御Sybil攻击。
2011-06-27 cs.SI physics.soc-ph
Fast community structure local uncovering by independent vertex-centred process
针对社区发现的任务，提出了一种基于分布式列表构建的局部方法，其中每个顶点广播的基本信息仅依赖于其度和其邻居的度。然后，一个分散的外部过程揭示了社区结构。所提出的方法的相关性实验上显示人工和真实的数据。
2015-09-11 cs.SI physics.soc-ph
From Louvain to Leiden: guaranteeing well-connected communities
社区发现常用于理解大型复杂网络的结构。发现社区结构的最流行的算法之一是所谓的Louvain算法。我们发现，该算法有一个主要的缺陷，在很大程度上被忽视，直到现在：鲁汶算法可能会产生任意连接不良的社区。在最坏的情况下，社区甚至可能断开连接，特别是当迭代运行算法时。在我们的实验分析中，我们观察到高达25%的社区连接不良，高达16%的社区断开连接。为了解决这个问题，我们引入莱顿算法。我们证明了莱顿算法产生的社区，保证连接。此外，我们证明了，当莱顿算法迭代应用，它收敛到一个分区中的所有社区的所有子集是局部最优分配。此外，通过依赖于快速局部移动方法，Leiden算法比Louvain算法运行得更快。我们证明了性能的莱顿算法的几个基准和现实世界的网络。我们发现，莱顿算法比鲁汶算法更快，发现更好的分区，除了提供明确的保证。
2019-10-30 cs.SI physics.soc-ph
Uncovering patterns of inter-urban trip and spatial interaction from social media check-in data
本文基于一组经验数据，从人类移动模式和空间嵌入网络的角度重新审视了空间互动和距离衰减。我们从一个覆盖50万人和370个城市的签到数据集中提取了中国全国范围内的城市间移动，以分析出行和空间互动的潜在模式。通过拟合引力模型，我们发现观测到的空间相互作用是由幂律距离衰减效应。所得到的重力模型也很好地再现了指数行程位移分布。然而，由于生态谬误问题，个体的运动可能不服从相同的距离衰减效应。我们还构建了一个空间网络，边的权重表示的相互作用的强度。从网络中检测到的社区在空间上是相连的，大致与省界一致。我们将这种模式归因于省内和省际旅行之间不同的距离衰减参数。
2013-11-17 cs.SI physics.soc-ph
Semi-Supervised Overlapping Community Finding based on Label Propagation with Pairwise Constraints
在复杂网络中检测社区的算法通常是无监督的，仅依赖于网络的结构。然而，这些方法通常无法发现反映数据中底层社区的有意义的分组，特别是当这些结构高度重叠时。提高这些算法的有用性的一种方法是通过合并附加的背景信息，其可以用作约束的来源以指导社区发现过程。在这项工作中，我们探索了半监督策略的潜力，以改善算法，在网络中找到重叠的社区。具体来说，我们提出了一种新的方法，标签传播的基础上，使用有限数量的成对约束，寻找社区。对合成和真实世界数据集的评估表明，这种方法在每个节点可能属于多个社区的情况下，有可能揭示有意义的社区结构。
2018-11-21 cs.SI physics.soc-ph
Fast Multi-Scale Detection of Relevant Communities
如今，网络几乎无处不在。在过去的十年中，社区发现作为一种通过将节点分组为内部连接比外部连接更紧密的社区来揭示网络结构的方法受到越来越多的关注。然而，现有的大多数有效方法都没有考虑网络可能包含的潜在组织水平或规模，因此是有限的。在本文中，我们提出了一种方法兼容的全球和当地的标准，使快速多尺度社区发现。该方法是在两个算法，每种类型的标准之一，并与6个已知的标准。发现不同规模的社区是一项计算成本很高的任务。因此，这项工作把重点放在减少计算复杂性。为了加快速度，引入了一些算法。实验证明了我们的方法的效率和准确性，相对于每个算法和标准，通过测试它们对大型生成的多尺度网络。这项研究还提供了一个标准之间的比较和全球和地方的方法。
2012-06-06 cs.DS 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
Network reconstruction and community detection from dynamics
我们提出了一个可扩展的非参数贝叶斯方法，从观察到的功能行为，在同一时间推断网络中存在的社区进行网络重建。我们表明，联合重建与社区检测具有协同效应，用于通知社区存在的边缘相关性也固有地用于提高重建的准确性，从而可以更好地通知社区的发现。我们说明了使用我们的方法与观察所产生的流行病模型和伊辛模型，无论是在合成和经验网络，以及只包含功能信息的数据。
2019-09-20 cs.SI physics.data-an 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
Overlapping modularity at the critical point of k-clique percolation
最显著的社会现象之一是在社交网络中形成社区，这些社区与家庭、朋友圈、工作团队等相对应。由于人们通常同时属于几个不同的社区，由此产生的重叠导致了社区本身的极其复杂的网络。因此，揭示社交网络的复杂社区结构是一个具有巨大实际应用潜力的重要任务，近年来引起了人们的极大兴趣。团渗流方法（CPM）是最早的重叠社区发现方法之一，它已经被用于分析几个不同的社交网络。在这种方法中，社区对应于k-团渗流集群，并且用于设置该方法的参数的一般启发式是将系统调整到刚好低于k-团渗流的临界点。然而，这一规则是基于简单的物理原理，其有效性从来没有受到定量分析。在这里，我们研究的质量分区的临界点附近使用最近推出的重叠模块化措施。根据我们对真实社会网络和其他网络的研究结果，重叠模块在接近临界点时显示出最大值，证明了最佳参数设置的原始标准。
2013-08-15 cs.SI physics.soc-ph
Uncovering the community structure associated with the diffusion dynamics of networks
作为复杂网络研究的两个主要焦点，网络的社团结构和动力学都受到了各个科学领域的广泛关注。然而，它仍然是一个悬而未决的问题，社区结构与复杂网络上的动力学。本文通过对网络中扩散过程的研究，证明了扩散过程的稳定局部平衡态可以揭示网络的内在社团结构。此外，我们表明，这样的社区结构可以直接识别通过优化网络的电导，这衡量如何容易扩散发生在不同的社区。对基准网络的测试表明，电导优化方法在识别网络社团结构方面明显优于模块度优化方法。在实际网络上的应用也证明了电导优化方法的有效性。该工作为复杂网络的多拓扑尺度提供了新的视角，得到的社团结构能够自然地反映底层网络的扩散能力。
2010-05-10 physics.soc-ph
Uncovering collective listening habits and music genres in bipartite networks
在本文中，我们分析了人们分享他们的音乐库，我们使用他们的个人音乐签名（IMS）的网络下载的数据。该系统由二分网络表示，节点是音乐组和听众。音乐团体的观众规模表现得像一个幂律，但个人音乐库的大小是一个指数，在小值的偏差。为了从网络中提取结构，我们专注于相关矩阵，我们通过删除最不相关的链接来过滤。这种基于渗透思想的方法揭示了社会社区和音乐流派的出现，这些社区和音乐流派通过分支表示可视化。有证据表明，集体收听习惯不符合音乐行业定义的整洁的通常类型，这表明了对听众/音乐团体进行分类的另一种方法。网络的结构也研究了一个更精细的方法，基于其属性的随机游走探索。最后，根据Potts的理论，提出了一个用于增长二分网络的个人识别-社区模仿模型（PICI）.模拟结果很好地再现了经验数据。
2005-10-24 physics.soc-ph
Hidden Community Detection in Social Networks
我们引入了一个新的范式，这是重要的社区检测领域的网络分析。网络包含一组强大的、占主导地位的社区，这些社区会干扰对弱的、自然的社区结构的检测。当大多数弱势社群的成员也属于强势社群时，他们就很难被发现。我们把弱势群体称为隐性群体结构。我们提出了一种新的方法，称为HICODE（隐藏社区检测），确定隐藏的社区结构以及主导的社区结构。通过削弱主导结构的力量，人们可以发现隐藏在下面的结构。同样，通过降低隐藏结构的强度，可以更准确地识别主导结构。通过这种方式，HICODE同时处理这两项任务。在真实网络上的大量实验表明，HICODE在发现主导和隐藏结构方面优于几种最先进的社区检测方法。在Facebook大学社交网络中，我们发现多个非冗余的社区集合与院系或学生的宿舍、注册年份或职业位置密切相关，而最先进的算法主要定位占主导地位的地面真相类别。由于在现实世界的数据集中标记所有地面实况社区的困难，HICODE提供了一种很有前途的方法来查明现有的潜在社区并发现没有地面实况的社区。寻找这种未知结构是一个非常重要的社区检测问题。
2017-02-24 cs.SI physics.soc-ph stat.ML
Detecting the overlapping and hierarchical community structure of complex networks
自然界、社会和技术中的许多网络都以中观层次的组织为特征，节点组形成紧密连接的单元，称为社区或模块，彼此之间只有微弱的联系。揭示这种社区结构是复杂网络领域中最重要的问题之一。网络通常表现出层次结构，社区嵌入其他社区;此外，节点可以在不同社区之间共享。在这里，我们提出了第一个算法，发现重叠的社区和层次结构。该方法是基于适应度函数的局部优化。群落结构由适应度直方图中的峰值揭示。分辨率可以通过一个参数进行调整，从而能够调查组织的不同层次。在真实和人工网络上的测试给出了很好的结果。
2009-03-11 cond-mat.stat-mech physics.comp-ph physics.soc-ph
Social media and mobility landscape: uncovering spatial patterns of urban human mobility with multi source data
在本文中，我们提出了一个三步的方法框架，包括位置识别，偏差修正，样本外验证，以促进人类移动性分析与社会媒体数据。更具体地说，我们提出的方法来确定个人活动的具体地点和通勤模式，在中国北京，基于微博（中国的Twitter）的签到记录，以及修改签到数据的样本偏差与人口合成技术。一项独立的全市旅游物流调查被用作验证结果的基准。从微博用户和调查对象的活动-移动模式中可以看出明显的差异，而两种来源的数据在人口代表性方面存在很大差异。经过偏差修正后，微博数据与调查数据的通勤距离分布相似系数从23%大幅提高到63%。事实证明，合成数据是一种令人满意的具有成本效益的流动信息替代来源。拟议的框架可以为许多与人类流动有关的应用提供信息，从交通到城市规划再到交通排放建模。
2018-08-13 cs.SI physics.soc-ph
Finding overlapping communities in networks by label propagation
我们提出了一个算法，发现重叠的社区结构在非常大的网络。该算法基于Raghavan，Albert和Kumara的标签传播技术，但能够检测重叠的社区。与原始算法一样，顶点具有在相邻顶点之间传播的标签，以便社区成员就其社区成员资格达成共识。我们的主要贡献是扩展标签和传播步骤，包括有关多个社区的信息：每个顶点现在可以属于v个社区，其中v是算法的参数。我们的算法也可以处理加权和二分网络。在一组独立设计的基准测试和真实网络上的测试表明，该算法在恢复重叠社区方面非常有效。它也非常快，可以在短时间内处理非常大和密集的网络。
2010-10-14 cs.SI physics.soc-ph
Topic Lifecycle on Social Networks: Analyzing the Effects of Semantic Continuity and Social Communities
Twitter上的话题生命周期分析是研究Twitter话题从诞生到生命周期直至消亡的一个分支，已经获得了巨大的主流研究人气。在文献中，主题通常被视为（a）主题标签（独立于其他主题标签），（b）短时间内的关键字突发或（c）由高级文本分析方法（如潜在狄利克雷分配（LDA））捕获的潜在概念空间之一。前两种方法无法识别不同用户使用不同主题标签来表达相同概念（语义相关）的主题，而第三种方法错过了用户通过主题标签表达的明确意图。在我们的工作中，我们使用一个基于词嵌入的方法来聚类不同的主题标签在一起，和时间并发的主题标签的使用，从而形成主题（一组语义和时间相关的主题标签）。我们描述了社会团体在主题集群中的参与，并分析了主题集群的生命周期与这种参与。我们获得了关于社区和时间上主题复杂演变的第一种新颖见解：社区内主题在标签上的时间变形，标签如何在某些社区中死亡，但在其他一些社区中变形为其他一些标签（这是一种社区级现象），以及特定社区如何采用特定的标签。我们的工作是在社区中的主题生命周期建模和理解的空间的基础：它重新定义了我们对主题生命周期的理解，并表明主题生命周期的社会边界是根深蒂固的社区行为。
2018-01-18 cs.SI physics.soc-ph
Interpreting communities based on the evolution of a dynamic attributed network
人们已经提出了许多方法来检测社区，不仅在平原，而且在属性，有向甚至动态复杂网络。从建模的角度来看，要具有一定的实用性，社区结构必须相对于所研究系统的属性来表征。然而，大多数现有的工作集中在社区的检测，只有很少的尝试来解决这个解释问题。此外，现有的方法要么受到它们处理的数据类型的限制，要么受到它们输出的结果的性质的限制。在这项工作中，我们认为社区的解释作为一个独立的问题，从检测过程中，包括在确定社区的最具特色的功能。我们给出了这个问题的形式化定义，并提出了一种解决这个问题的方法。为此，我们首先定义了一个基于序列的网络表示，结合时间信息，社区结构，拓扑措施，节点属性。然后，我们描述了如何识别该数据集的最新序列模式，并使用它们来表征社区。我们研究了我们的方法在人工生成的动态属性网络上的性能。我们还在现实世界的系统上实证验证了我们的框架：科学合作的DBLP网络，以及社交和音乐互动的LastFM网络。
2015-06-15 cs.SI physics.soc-ph
Overlapping Community Detection via Local Spectral Clustering
大型图出现在许多背景下，理解它们的结构并从中提取信息是一个重要的研究领域。挖掘社区的早期算法专注于全局结构，并且通常根据整个图的大小随时间函数运行。如今，我们经常探索具有数十亿个顶点的网络，并发现数百个大小的社区，因此将我们的注意力从宏观结构转移到大型网络的微观结构至关重要。越来越多的工作采用了本地扩展方法，以便从一些模范种子成员中识别社区成员。在本文中，我们提出了一种新的方法来寻找重叠的社区称为LEMON（本地扩展通过最小一个范数）。该算法通过在局部谱的跨度中寻找稀疏向量来找到社区，使得种子在其支持下。我们表明，LEMON可以达到最高的检测精度之间的国家的最先进的建议。运行时间取决于社区的大小，而不是整个图的大小。该算法易于实现，具有高度的并行性。我们进一步提供了理论分析的局部谱特性，界定的措施，紧张的提取社区的特征值的图拉普拉斯。此外，由于网络的性质并不完全相同，因此仍然缺乏关于本地扩展方法如何适用于发现不同网络中的社区的全面分析。我们使用不同领域的合成数据集和真实数据集对我们的方法进行了全面评估，并分析了将我们的方法应用于实际中固有的不同网络时的经验变化。此外，还对结实质量和数量对产量的影响进行了分析。
2015-09-26 cs.DS cs.SI physics.soc-ph
Two-Dimensional Structural Characterization of Music Genre Communities in Playlist Co-occurrence Networks
CyberAgent, Inc.（CyberAgent公司）
本文提出基于播放列表共现网络的二维框架，通过外部闭合性和内部分化性量化音乐社区的结构特性，揭示流派结构的动态演变。
2026-04-28 physics.soc-ph
Uncovering key predictors of high-growth firms via explainable machine learning
本研究结合5071家企业的财务、专利及网络特征，通过集成学习与可解释AI方法，明确了非财务特征对高增长企业的预测价值及特征作用规律，可为投资与技术资源配置提供参考。
2024-08-17 cs.CY physics.soc-ph
Vertex-centred Method to Detect Communities in Evolving Networks
在不断发展的网络中寻找社区是一项艰巨的任务，并提出了不同于经典静态检测案例的问题。我们介绍了一种基于最近的顶点为中心的范例的方法。所提出的算法，名为DynLOCNeSs，通过扫描和评估每个顶点邻域，这可以独立地在一个并行的方式来检测社区。它是通过偏好测量来完成的，使用这些偏好来处理社区的变化。我们还引入了一个新的顶点邻域偏好度量，CWCN，比目前现有的在考虑的上下文中更有效。实验结果表明，该措施的相关性和所提出的方法来检测经典的社区演化模式，如增长收缩和合并分裂的能力。
2016-11-25 cs.DM cs.SI physics.soc-ph
The Myth of Global Science Collaboration - Collaboration patterns in epistemic communities
科学合作通常被视为一个全球性的联合进程，涉及世界各地的研究人员，无论他们的工作地点和居住地。在这方面，科学全球化意味着科学家之间的合作是围绕共同的主题进行的，而不管合作者之间的空间距离如何。合作者的网络，被称为“认知社区”，因此，应该有一个空间独立的结构。本文表明，这种全球化的科学合作的概念是不支持的经验数据。它介绍了一种新的方法来分析距离相关的合作概率。对六个不同科学领域的分析结果表明，国内合作的可能性比国际合作高10-50倍。此外，当局限于国界时，合作活动（以合著衡量）与空间距离之间存在很强的依赖性。然而，一旦合作扩大到国际范围，距离就变得无关紧要，这一事实表明，全球化的科学体系受到当地科学集群的严重影响。分析的六个科学领域的概率函数的相似性表明了一种独立于科学知识创造模式的普遍的空间治理模式。
2011-10-13 cs.DL cs.SI physics.soc-ph
Soft communities in similarity space
$\mathbb{S}^1$模型已经成为网络几何领域发展的核心几何模型。它主要是在其均匀的制度，其中角坐标是独立和均匀分散在圆上的研究。我们现在研究该模型是否可以生成具有目标拓扑特征和软社区（即异构角分布）的网络。在这种情况下，隐藏度必须依赖于角坐标，我们提出了一种方法来估计它们。我们的结论是，该模型可以是拓扑不变的软社区结构。我们的研究结果可能具有重要的意义，无论是在扩大模型的范围以外的独立隐变量的限制，并在嵌入现实世界的网络。
2017-07-30 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Uncovering the Temporal Dynamics of Diffusion Networks
时间在信息、影响力和疾病在网络上的传播中起着至关重要的作用。在许多情况下，我们只观察节点何时复制信息，做出决定或被感染-但节点和传输源之间的连接，传输速率是未知的。推断潜在的动态是突出的兴趣，因为它能够预测，影响和延缓感染，广义上理解。为此，我们将扩散过程建模为以不同速率发生的连续时间过程的离散网络。给定级联数据-观察到的节点感染时间-我们推断出全球扩散网络的边缘，并估计最能解释观察到的数据的每条边缘的传输率。优化问题是凸的。该模型自然地（没有解析）施加稀疏解，并且不需要参数调整。这个问题可以分解成一系列独立的小问题，因此很容易扩展到数十万节点的网络。在真实数据和合成数据上的实验表明，该算法既能恢复扩散网络的边缘，又能从级联数据中准确地估计其传输速率。
2011-05-03 cs.DS cs.IR cs.SI
Measuring Significance of Community Structure in Complex Networks
许多复杂系统可以表示为网络，将网络分成社区可以大大简化功能分析。近年来，人们提出了许多方法来寻找社区，但没有一种方法能够明确地评价所发现的社区是重要的还是微不足道的。在本文中，我们提出了一个指标来评估社区在网络中的重要性。该指标基于网络中原始社团结构与扰动后网络社团结构之间的相似性比较，综合所有相似性定义。许多人工网络和现实世界的网络进行了测试。结果表明，该指数与网络规模和社区数量无关。另外，我们发现在社交网络中总是存在清晰的社区，而在蛋白质相互作用网络和代谢网络中没有发现有意义的社区。
2009-02-19 physics.soc-ph
Modeling and Analysis of Tagging Networks in Stack Exchange Communities
大型问答（Q&A）平台支持网络上的各种知识策展。虽然研究人员在各种背景下研究了平台上的用户行为，但对用户行为的重要副产品也编码知识的了解相对较少。在这里，我们使用168个Stack Exchange网站的集合来分析和建模用户用于注释和编目问题的标记的宏观结构。我们发现这些Stack Exchange社区的标记结构惊人的相似性，即使每个社区都是独立发展的（尽管遵循类似的指导方针）。使用我们的实证研究结果，我们开发了一个简单的生成模型，创建随机二分图的标签和问题。我们的模型占的标签频率分布，但没有明确说明共同标记的相关性。即使在这些约束条件下，我们也从经验和理论上证明了我们的模型可以重现链接同一帖子中出现的标签的共同标记图的许多统计特性。
2019-02-06 cs.SI physics.soc-ph stat.ML
Bi-clique Communities
我们提出了一种新的方法来检测社区的二分网络。基于扩展的$k$ -集团社区检测算法，我们演示了如何在二分网络的模块化结构呈现为重叠bicliques本身。如果二分信息可用，则二团社区检测算法保留了$k$ -团算法的所有优点，但避免在执行网络的单模式投影时丢弃重要的结构信息。此外，双团社区检测算法通过为二分网络中的每个非重叠节点集合合并独立的团阈值来提供新的灵活性水平。
2008-07-07 physics.data-an physics.soc-ph
Uncovering the role of spatial constraints in the differences and similarities between physical and virtual mobility
该研究对比物理与虚拟移动的统计模式，发现差异源于物理移动的空间经济约束，在无时间的地点序列空间二者模式一致，并提出Metropolis-Hastings型优化模型解释共同机制。
2019-07-09 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
The rules of multiplayer cooperation in networks of communities
本文研究社区组织与行为涌现的相互作用，通过建模移动结构化种群推导出高归巢保真度下的进化动力学方法，揭示了不同社会困境下社区网络中多人合作的演化规则与稳定性条件。
2024-08-27 physics.soc-ph q-bio.PE
