Emergence of multiplex communities in collaboration networks
协作网络中的社区结构反映了个体为了更好地实现共同目标而将其工作组织成小组的自然趋势。在大多数情况下，个人利用他们的关系将自己介绍给新的兴趣领域，从而产生跨越不同领域的多方面合作。在本文中，我们分析了科学和电影演员之间的合作，作为多元化网络，其中的层分别代表研究课题和电影类型，我们表明，社区确实共存，并在这种系统的不同层重叠。然后，我们提出了一个模型来增长的多重网络的基础上两个机制的内部和层间三元封闭，模仿真正的过程中，合作的发展。我们表明，我们的模型是能够解释经验观察到的多元化社区结构，我们推断的力量，从现实世界的系统中的两个基本的社会机制。该模型还能够正确地再现层内和层间关联性的值，有助于更好地理解推动社交网络演变的原则。
2016-01-28 cs.SI physics.soc-ph
Generalization of Clustering Agreements and Distances for Overlapping Clusters and Network Communities
两个聚类之间的距离度量具有重要的应用，包括聚类验证和集成聚类。通常，这种距离度量提供了通过可能聚类的空间的导航。主要用于聚类验证，即标准化聚类距离，也称为一致性度量，将给定的聚类结果与地面实况聚类进行比较。聚类一致性测度通常分为两类：成对计数测度和信息论测度，分别以调整兰德指数（ARI）和归一化互信息（NMI）为代表。本文通过一个推广，阐明了这两个族之间的关系。它进一步提出了一种替代的代数公式，这些协议的措施，其中包括一个直观的聚类距离，这是基于集群重叠和集群中的节点的共同成员之间的类似定义。与原来的措施不同，它很容易扩展到不同的情况下，包括重叠的集群和集群的复杂网络的相互关联的数据。这两个扩展在社会和信息网络（也称为社区）中寻找集群的背景下特别重要。
2015-03-06 cs.SI physics.soc-ph
Community Detection in Complex Networks Using Density-based Clustering Algorithm
与聚类分析一样，社区发现的目的是将网络中的节点分配到不同的社区中。Fdp是最近提出的一种基于密度的聚类算法，它不需要事先输入聚类数，聚类结果对聚类参数不敏感。然而，Fdp不能直接应用于社区发现，因为它不能识别网络中的社区中心。针对这一问题，提出了一种新的社区发现方法IsoFdp。首先，我们使用Isomap技术将网络数据映射到一个低维流形上，该流形可以显示不同的成对相似性。然后应用Fdp算法检测网络中的社区。提出了一种改进的划分密度函数来自动选择合适的社区数目。我们在合成网络和真实网络上测试了我们的方法，结果表明我们的算法比最先进的方法有效。
2016-01-31 cs.SI physics.data-an physics.soc-ph
A fast clustering algorithm for mining social network data
许多信仰不同的团体正在网上互动。在线社区中的互动有助于人们相互参与，并增强跨群体的理解。在线社区包括多个子社区，其成员由于社会关系、特征或关于某个主题的想法而相似。在这项研究中，我们有兴趣了解这些子社区的相对规模和活动的变化，它们的合并或分裂模式，以及由于社区内部的内生动力，这些子社区成员的观点的变化。
2014-08-29 cs.SI physics.soc-ph
Two-Population Dynamics in a Growing Network Model
我们引入了一个具有节点属性的增长网络演化模型。该模型描述了潜在的暴力V和非暴力N代理人之间的相互作用，这些代理人在建立自己的人口与人口之间的联系时具有不同的亲和力。该模型能够生成在现实社会系统中观察到的所有稳定的三元组。在速率方程理论的框架下，我们采用平均场近似推导出每种类型的节点的度分布和局部聚类系数的解析表达式。解析推导与数值模拟结果吻合较好。潜在暴力网络的连通性在性质上类似于最近报道的恐怖主义网络的连通模式。由攻击性驱动的网络的同配性显示出与具有非攻击性连接的网络的同配性明显不同的行为，这与在线社交系统最近的实证结果一致。
2011-10-24 cond-mat.stat-mech cs.SI physics.soc-ph
Disassortative mixing in online social networks
传统观点认为，社交网络表现出一种排斥混合模式，而生物和技术网络则表现出一种排斥混合模式。然而，近年来对在线社交网络的研究改变了这一普遍看法，许多在线社交网络呈现出分离或中性混合的特征。特别地，我们发现在线社会网络Wealink经历了从真实社交网络的度可变性特征到许多在线社交网络的度可变性特征的转变，并且这种转变可以通过我们提出的一个简单的网络模型来合理地解释。本文还讨论了网络的可拓性、聚类性和模块性之间的关系。
2009-09-02 physics.data-an physics.pop-ph physics.soc-ph
Non-Parametric Detection of Network Communities; The Natural Way; A Cascaded Stackelberg Game
现实世界的网络具有内在的动态结构，通常由成员不断变化的社区组成。识别这些社区在分析网络的结构特性时非常重要。因此，近年来已经见证了密集的研究，以解决检测这种不断变化的社区的挑战性问题。朝向社区发现的主流方法涉及在网络上优化全局分区质量度量（例如，模块化）。另一种技术，谱聚类，涉及在低维空间中映射原始数据点，其中图的聚类属性更加明显，然后应用标准聚类技术来识别社区。然而，传统的谱聚类技术不能自然地学习网络中社区的数量。这些技术是基于外部社区连接属性，往往无法识别密集网络中较小的社区结构。在这篇文章中，我们提出了一个算法，即级联Stackelberg社区发现算法（CASCODE）的启发Stackelberg双寡头博弈。该算法使用节点之间的领导者-追随者关系的概念来影响任何一个节点的行为。该算法的直观性是基于网络中进化社区的自然预期内部结构。因此，该算法能够自然地学习网络中的社区数量，而其他技术，如谱聚类，需要社区的预期数量作为输入。由于这种基于Stackelberg模型的社区发现算法是通过社区的内部结构来检测社区的，因此我们能够在密集网络中获得更精细的社区结构解析。
2018-01-18 cs.SI physics.soc-ph
Weighted Assortative And Disassortative Networks Model
现实世界的网络处理结构化连接，因为它们具有非平凡的顶点度相关性和聚类性。在这里，我们提出了一个玩具模型的结构形成在现实世界中的加权网络。在我们的模型中，网络通过拓扑增长以及权重变化来进化。此外，我们引入了加权重连系数，它推广了拓扑网络的重连系数，以衡量两个相似度的顶点之间有一个高权重链接的趋势。我们的模型生成的网络表现出无标度行为与可调指数。此外，一些非平凡的功能，在现实世界中的网络中发现的再现，通过改变参数统治的重量演变的速度。最重要的是，通过对加权互变性系数的研究，我们发现由我们的模型生成的拓扑互变性网络和歧化网络实际上都是加权互变性的。
2006-12-09 physics.soc-ph
Hierarchies of Predominantly Connected Communities
我们考虑其顶点主要连接的社区，即，每个社区中的顶点与同一社区的其他社区成员的连接比与社区外的顶点的连接更强。Flake等人介绍了一种分层聚类算法，该算法根据输入参数找到不同粗糙度的主要连接社区。我们提出了一个简单而有效的方法来构建一个聚类层次根据Flake等人。取代了选择可行的参数值的必要性，并保证所得到的层次结构的完整性，即，该层次结构包含可以由原始算法为任何参数值构造的所有聚类。然而，主要连接的社区并没有组织在一个单一的层次结构。因此，我们开发了一个框架，预先计算后，在最$2(n-1)$最大流量，承认一个线性时间结构的集群$\C(S)$的主要连接的社区，包含一个给定的社区$S$和最大的意义上说，任何进一步的集群的主要连接的社区，也包含$S$是分层嵌套在$\C(S)$。我们进一步推广这种结构产生一个集群与$k$给定社区在$O(kn)$时间类似的属性。这允许分析网络的结构相对于不同层次中的各种社区。
2013-05-03 cs.DS cs.SI physics.soc-ph
Stratified communities in complex business networks
本文提出了一个新的定义的社区结构的网络，它也考虑到社区是如何分层的。特别是，我们扩展了标准的聚类系数的概念，并提供了本地$l$邻接聚类系数的节点$i$。我们将其定义为距离$i$为$l$的节点的聚类系数的适当加权平均值。与节点$i$相关联的社区的层由$l$到$i$的距离来标识，使得标准聚类系数是层$l=0$处特有的局部$l$ -邻接聚类系数。当距离$l$变化时，局部$l$ -邻接聚类系数然后用于推断对整个网络的社区结构的洞察。在特殊的商业网络上进行了实证实验。特别是，空中交通网络的分析验证了理论的建议，并提供支持其实用性的论据。
2020-04-14 cs.SI physics.soc-ph
Finding Scientific Communities In Citation Graphs: Convergent Clustering
了解科学界的性质和组织具有广泛的意义。“无形学院”是对此类社区的一种历史隐喻，寻找此类“学院”的工作可以被界定为发现和分析研究共同感兴趣问题的科学家小组。案例研究以前已经进行了个别社区就其科学和社会行为。在这项研究中，我们介绍，一个新的和可扩展的社区发现的方法。在专家评估的辅助下，我们使用两种不同聚类方法的收敛性来选择来自免疫学领域的200多万篇文章的文章聚类，这些文章跨越了11年的时间，具有相关的聚类质量指标进行评估。最后，我们确定了这些集群定义的作者社区。专家审查了这一管道产生的文章组样本，显示出很强的主题相关性，表明推断的作者群体可能代表有效的实践群体。这些研究结果表明，这种趋同的方法在未来可能是有用的。
2020-07-28 cs.DL 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
A new hierarchical clustering algorithm to identify non-overlapping like-minded communities
如果网络中的节点可以被划分成不相交的集合，使得集合中的每个节点与集合内的其他节点紧密连接，与集合外的节点稀疏连接，则网络具有非重叠社区结构。有许多指标可以验证这种结构的有效性，如聚类系数，介数，中心性，模块性和相似性。已经提出了许多方法来优化这些指标中的一些，但没有一个在最近引入的度量相似性上效果很好。为了解决这个问题，我们提出了一种基于行为属性的算法来识别优化志同道合度量的社区，并将其性能与其他基于行为数据的方法以及仅依赖于结构数据的社区发现方法进行比较。我们在Filmtipset和Twitter的真实数据集上执行这些算法，并表明我们的算法在志同道合度量方面比现有算法表现得更好。
2016-02-24 cs.SI physics.soc-ph
The Anatomy of the Facebook Social Graph
我们研究了Facebook活跃用户的社交图谱结构，这是有史以来分析过的最大的社交网络。我们计算图的许多特征，包括用户和友谊的数量，度分布，路径长度，聚类和混合模式。我们的研究结果围绕着三个主要的观察结果。首先，我们描述了图的全局结构，确定社交网络几乎是完全连接的，99.91%的个体属于一个大的连接组件，我们确认了全球范围内的“六度分离”现象。其次，通过研究图邻域的平均局部聚类系数和退化，我们表明，虽然Facebook图作为一个整体显然是稀疏的，但用户的图邻域包含令人惊讶的密集结构。第三，我们通过研究用户的基本人口统计和网络属性来描述图中存在的不确定性模式。我们观察到明确的程度不确定性和特点的程度“你的朋友有更多的朋友比你”。此外，我们观察到年龄对友谊偏好的强烈影响，以及由国籍驱动的全球模块化社区结构，但我们没有发现任何强烈的性别同质性。我们将我们的结果与较小的社交网络的结果进行比较，发现大部分（但不完全）在共同的结构网络特征上一致。
2011-11-18 cs.SI physics.soc-ph
Fragility of spectral clustering for networks with an overlapping structure
社区通常在现实世界的网络中重叠。这是开发重叠社区发现方法的动机，因为用于非重叠社区的方法可能执行得不好。然而，用于非重叠社区的检测方法的劣化机制很少被理论研究。在这里，我们分析的准确性谱聚类，它不考虑重叠的结构，通过使用从统计物理学的副本方法。通过对重叠随机块模型的分析，揭示了重叠结构是如何导致前导特征向量的结构信息丢失的。
2020-10-25 cond-mat.stat-mech cs.SI physics.soc-ph
Evaluating Overlapping Communities with the Conductance of their Boundary Nodes
通常，网络中社区的边界是在节点之间画出的，因此穿过了它的输出链路。如果我们通过应用链接聚类方法构建重叠社区，节点和链接交换它们的角色。因此，必须通过两个或多个社区共享的节点来划分边界。为了社区评估的目的，我们定义了一个电导的边界节点的重叠社区类似的图形电导的边界交叉链接用于划分一个图形到不相交的社区。我们证明了边界节点的电导（或归一化节点切割）可以从Evans和Lambiotte（2009）引入的网络加权线图中不相交簇的普通图电导推导出来，以获得原始网络中节点的重叠社区。我们测试我们的定义是否可以用来构建有意义的重叠社区与本地贪心算法的链接聚类。在本说明中，我们提出了令人鼓舞的结果，我们获得了扎卡里的空手道俱乐部网络。
2013-10-13 cs.SI physics.soc-ph
Communities recognition in the Chesapeake Bay ecosystem by dynamical clustering algorithms based on different oscillators systems
最近，我们介绍了一种有效的方法，用于检测和识别复杂网络中的模块，基于相位振荡器的去同步特性（动态聚类）。在本文中，我们应用动态聚类技术，以确定生活在切萨皮克湾食物网〈动〉<动>的海洋生物群落。我们表明，我们的算法是能够执行一个非常可靠的分类的真实社区存在于这个生态系统中，通过使用不同种类的动态振荡器。我们还比较了我们的结果与其他方法在复杂网络中的社区结构的检测。
2008-07-03 cond-mat.stat-mech physics.bio-ph physics.soc-ph
Spectral Clustering Methods for Multiplex Networks
多路复用网络为复杂系统的研究提供了一个重要的工具，而最初为单层网络设计的扩展技术是一个重要的研究领域。分析网络的最重要方法之一是将节点聚类成代表共同连接模式的社区。在本文中，我们将谱聚类扩展到多重结构，并讨论了一些困难，试图定义一个自然的概括。为了分析我们的方法，我们描述了三个简单的，合成的多路复用网络，并比较不同的多路复用模型的性能。我们的研究结果表明，一个动态的动机模型是更成功的结构性动机模型在发现适当的社区。
2017-03-15 cs.SI physics.soc-ph
Detecting hierarchical and overlapping network communities using locally optimal modularity changes
凝聚聚类是一种确定网络社区的成熟策略。社区逐渐合并为更大的社区，使行为者网络粗化为更易于管理的社区网络。合并发生的顺序一般不清楚，因此需要选择要合并的社区对。我们描述了一个层次聚类算法的基础上的局部最优属性。对于网络中的每个边缘，我们将模块化变化与其链接的社区合并相关联。对于每一个社区顶点，我们称之为首选的边缘的模块化变化是最大的。当一条边被它所链接的两个顶点所偏好时，从局部观点来看，它似乎是最佳选择。我们使用局部最优边缘来定义算法：同时合并由局部最优边缘连接的所有社区对，这将增加模块化，在每一步之后重新确定局部最优边缘，并继续只要模块化可以进一步增加。我们将该算法应用于模型和经验网络，证明它可以有效地产生高质量的社区解决方案。我们将性能和实现细节与由此产生的社区层次结构相关联。我们还考虑了一个互补的局部聚类算法，描述了如何识别重叠社区的局部最优条件的基础上。
2013-09-04 cond-mat.dis-nn cs.SI physics.soc-ph
Online reactions to the 2017 'Unite the Right' rally in Charlottesville: Measuring polarization in Twitter networks using media followership
我们研究了2017年8月在弗吉尼亚州夏洛茨维尔举行的“团结右翼”集会后的Twitter对话，使用网络分析和数据科学工具。我们使用Twitter上的媒体关注度和主成分分析（PCA）来计算一维轴上的“左”/“右”媒体评分来表征节点。然后，我们使用这些分数，与转推关系相结合，来研究一个由大约30万个使用#夏洛茨维尔标签进行通信的账户组成的转推网络的结构。转推网络是急剧极化的，相对于媒体PCA分数的符号，具有0.8的反推系数。社区发现使用两种方法，一个鲁汶方法和信息地图，产生很大程度上同质社区的左/右节点组成。当比较推文内容时，我们发现关于“特朗普”的推文在左翼和右翼都很普遍，尽管伴随的语言并不奇怪。在左翼社区中具有较大程度的节点包括与不同领域相关的账户，包括激进主义，商业，艺术和娱乐，媒体和政治。对唐纳德·特朗普的支持是右翼社区的一条共同主线，将社区与引用白人至上主义仇恨符号的账户、具有另类右翼影响力人物的社区以及最大的右翼社区（包括Twitter账户FoxNews）联系起来。
2019-10-09 cs.SI nlin.AO physics.soc-ph
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
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
CONE: Community Oriented Network Embedding
社区检测一直是网络研究的热点。它通常被建模为图上的无监督聚类问题，基于对社区特征的启发式假设，如边缘密度和节点同质性。在这项工作中，我们怀疑这些广泛采用的假设的普遍性，并将人类标记的社区与通过各种主流算法获得的机器预测的社区进行比较。基于支持性的结果，我们认为，社区是由各种社会模式和无监督学习的基础上，数学是无法捕捉所有这些。因此，我们建议通过面向社区的网络嵌入（CONE）将监督注入社区发现中，CONE利用有限的地面实况社区作为示例来学习嵌入模型，了解它们背后的社会模式。具体来说，通过将递归神经网络与图上的随机行走相结合，开发了一种深度架构，以捕获由地面实况社区指导的社会模式。由学习模型产生的其他节点嵌入的通用聚类算法，然后有效地揭示了更多与地面实况共享相似社交模式的社区。
2018-04-22 cs.SI physics.soc-ph
Network community detection and clustering with random walks
我们提出了一种新的方法来划分网络节点到不重叠的社区-揭示网络模块化和层次组织的关键一步。我们的方法，适用于网络的加权和未加权的对称边缘，使用随机游走，以探索在同一社区的相邻节点。步行似然算法（WLA）产生一个最佳的网络节点划分成一个给定数量的社区。步行似然社区发现者（WLCF）采用WLA来预测社区的最佳数量和相应的网络分区。我们对这两种算法进行了广泛的基准测试，发现它们在预测分区的模块化程度和社区之间的链接数量方面优于或匹配其他方法。利用我们的方法的计算效率，我们调查了科罗拉多州的道路和交叉口的大规模地图。我们的聚类在相邻社区之间产生了地理上合理的边界。
2022-02-22 physics.soc-ph q-bio.QM
Analysis of communities in a mythological social network
古典荷马叙事的迷人本质一直吸引着西方文化，对哲学、历史、神话和文学都有贡献。然而，荷马的叙述有什么有趣之处呢？“乍一看，我们会发现荷马在《奥德赛》中的圣歌和《伊利亚特》中的狂想曲的每一页上都有文字上的吸引力和审美上的愉悦。其次，我们可以看到它的故事内容的一个偏颇的方面，从真实的历史到虚构的神话。为了涵盖这个一瞥，有一些新的考古发现，支持《伊利亚特》中描述的一些事件的历史性，因此也支持《奥德赛》。考虑到这些观察结果，并使用复杂网络理论的概念，我们设法建立和分析了一个跨越古典史诗《荷马的奥德赛》的社会网络。为了进一步了解，收集了拓扑量，以便将其社会网络定性地分为真实的或虚构的。结果表明，除了可拓性和巨连通域的大小外，所发现的大部分性质都属于真实的社交网络。为了测试网络真实的可能性，我们删除了一些神话成员，这些成员可能会在网络上留下虚构的印记。进行这种操作，修改后的社会网络导致了巨分量的连续混合和减少，正如对真实社交网络所预期的那样。总的来说，我们观察到《奥德赛》可能是一个虚构的元素加上真实的人际关系的混合体，这证实了其他作者对《伊利亚特》和考古证据的发现。
2013-06-19 cs.SI nlin.AO physics.soc-ph
Homophily as a Process Generating Social Networks: Insights from Social Distance Attachment Model
现实世界的社交网络通常表现出高水平的聚类，正度扩散，短平均路径长度（小世界属性）和右偏，但很少幂律度分布。另一方面，同质性（homophily）被定义为相似的行为体相互联系的倾向，是在许多人类和动物社会中观察到的最基本的社会过程之一。在本文中，我们研究在何种程度上同质性是足以产生典型的结构特性的社交网络。要做到这一点，我们进行了模拟研究的基础上的社会距离依恋（SDA）模型，一种特殊的随机几何图（RGG），其中节点嵌入在一个社会空间和连接概率依赖于功能节点之间的距离。我们从第一性原理中推导出模型的形式，并根据现有的分析结果，认为RGG的数学结构直接对应于同质性原理，因此它们提供了一个很好的模型，我们发现，同质性，特别是当与随机边缘重新布线相结合时，足以再现社交网络的许多特征。此外，我们设计了一个混合模型相结合的SDA与配置模型，允许生成具有任意度序列的同质网络，我们用它来研究同质性的相互作用，对度分布施加限制的过程。我们表明，同质性对聚类的影响是强大的分布约束，而度的可扩展性可以高度依赖于特定种类的强制程度序列。
2020-04-02 cs.SI physics.soc-ph
Percolation in random graphs with higher-order clustering
逾渗理论可以用生成函数来描述复杂网络的结构特性。这种映射假设网络是局部树状的，并且不包含邻居之间的短程环路。在本文中，我们使用的生成函数制定检查集群网络，包含简单的周期和集团的任何顺序。我们使用自然概括的Molloy-Reed标准，这些网络来描述他们的临界特性，并推导出一个分析描述的巨型组件的大小，提供解决方案的泊松和幂律网络。我们发现，网络包括较大的简单循环的行为越来越像树。Conversley，由较大的集团组成的聚类越来越偏离树状解决方案，尽管行为强烈依赖于度的可伸缩性。
2020-11-20 cond-mat.stat-mech physics.soc-ph
Resampling effects on significance analysis of network clustering and ranking
社区检测有助于我们简化复杂的网络配置，但社区只有在统计上显著时才是可靠的。为了检测统计上显著的社区，一种常见的方法是重新采样原始网络并分析社区。但是，响应假设样本之间是独立的，而网络的组成部分本质上是相互依赖的。因此，我们必须了解如何打破重采样组件之间的依赖关系影响显著性分析的结果。在这里，我们使用科学传播作为一个模型系统来分析这种影响。我们的数据集包括1984-2010年在期刊上发表的文章中的引用。我们比较了引用的参数检索与非参数文章检索。虽然引用恢复打破了链接依赖性，但条目恢复保持了这种依赖性。我们发现，引文检索低估了链接权重的方差。此外，这种低估解释了排名和聚类显著性分析中的大部分差异。因此，当只有链接权重是可用的，文章回复不是一个选项，我们建议一个简单的参数回复方案，产生链接权重方差接近的链接权重方差的文章回复。尽管如此，当我们强调和总结科学中重要的结构变化时，我们在重新定位方案中保持的依赖性越多，我们就能越早地预测结构变化。
2013-02-11 cs.SI physics.soc-ph
Effects of missing data in social networks
我们进行敏感性分析，以评估缺失的数据对社交网络的结构属性的影响。社交网络被认为是由二分图生成的，其中参与者通过多个交互上下文或从属关系链接在一起。我们讨论了三个主要的缺失数据机制：网络边界规范（不包括演员或隶属关系），调查无响应，审查顶点度（固定选择设计），研究它们对科学合作网络的影响，从洛斯阿拉莫斯电子打印档案以及随机二分图。结果表明，网络边界规范和固定的选择设计可以显着改变网络级统计的估计。观察到的聚类和重复性系数被高估，通过省略的互动环境（隶属关系）或固定的选择隶属关系，并低估通过演员无响应，这将导致膨胀的测量误差。我们还发现，社交网络与多个互动环境有一些令人惊讶的属性，由于重叠的集团的存在。特别是，度的不确定性并不一定能提高网络对节点随机遗漏的鲁棒性，正如当前理论所预测的那样。
2003-10-30 cond-mat.dis-nn physics.data-an physics.soc-ph
Strongly clustered random graphs via triadic closure: Degree correlations and clustering spectrum
Dipartimento di Fisica Università La Sapienza（罗马大学物理系）；University of Aveiro（阿威罗大学）；University of Leeds（利兹大学）
本文提出一种通过随机网络骨架中每个三元组以一定概率闭合来生成强聚类随机图的模型，并精确推导了局部聚类谱和度相关性的表达式，揭示了高度传递性与正度同配性及聚类谱的非平凡结构。
2026-05-23 cond-mat.dis-nn 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
Detecting Overlapping Link Communities by Finding Local Minima of a Cost Function with a Memetic Algorithm. Part 1: Problem and Method
我们提出了一种算法，用于检测社区的网络中的链接，它使用本地信息，是基于一个新的评价函数，并允许普遍重叠的社区。聚类任务的复杂性需要应用一种模因算法，该算法将概率进化策略与确定性局部搜索相结合。在第2部分中，我们将展示使用引文网络的实验结果。
2016-06-23 cs.SI physics.soc-ph
Identifying Influential Nodes in Bipartite Networks Using the Clustering Coefficient
复杂网络中影响节点的识别是一个非常具有挑战性的问题。如果网络具有社区结构，则中心性度量可能无法识别完整的有影响力的节点集，因为网络的集线器和其他中心节点可能仅位于一个社区内。在这里，我们定义了一个二分聚类系数，通过考虑不同结构的集群，可以找到跨社区的重要节点。
2015-03-20 cs.SI physics.soc-ph
Virtual communities? the middle east revolutions at the Guardian forum: Comment Is Free
我们研究了在一个在线社交网络中，在成员和新成员的活动迅速增加的情况下，虚拟社区形成的可能性。演变研究的在线用户的活动在卫报-评论是自由的论坛-涵盖的主题与中东动荡期间的2010年1月1日至2011年3月28日。尽管论坛用户激增了三倍，并形成了一个巨大的组件，主要的网络特征，即度和权重分布和聚类系数，几乎没有变化。
2011-10-31 cs.SI physics.soc-ph
Community detection using spectral clustering on sparse geosocial data
在这篇文章中，我们确定在洛杉矶Hollenbeck警务区的帮派成员之间的社会社区，根据稀疏的社会互动和个人的地理位置相结合的观察。这些信息来自LAPD现场访谈卡，用于构建个体的相似性图。我们使用谱聚类来识别图中的聚类，对应于Hollenbeck的社区，并将其与LAPD对个人帮派成员身份的了解进行比较。我们讨论了不同的方式编码的地理社会信息，使用图形结构和对所产生的聚类的影响。最后，我们分析了这种技术的鲁棒性与噪声和不完整的数据，从而提供建议的数量与质量的相对重要性收集的数据。
2012-11-08 cs.SI physics.soc-ph stat.AP
Emergence of Soft Communities from Geometric Preferential Attachment
所有真实网络都是不同的，但许多网络都有一些共同的结构特性。关于最常见的属性似乎没有共识，但无标度分布，强聚类和社区结构经常被毫无疑问地提到。令人惊讶的是，在不断增长的网络中，并不存在一个简单的生成机制来同时解释这三个属性。在这里，我们展示了潜在的网络几何结构如何与节点优先附着到该几何结构相结合来填补这一空白。我们称这种机制为几何优先连接（GPA），并验证它对互联网。GPA产生了软社区，为网络中的社区结构提供了不同的视角。GPA和宇宙学模型之间的联系，包括通货膨胀，也进行了讨论。
2015-01-27 cs.SI physics.data-an physics.soc-ph
Parallel clustering with CFinder
关于复杂系统的可用数据量每年都在增加，越来越大的系统的测量被收集和记录。这种数据的自然表示是由网络给出的，其大小遵循原始系统的大小。当前计算基础设施中的多核趋势要求对早期方法进行并行重新实现。在这里，我们提出了网格版本的CCRs，它可以定位重叠的社区在有向，加权或无向网络的基础上集团渗透方法（CPM）。我们表明，社区的计算可以分布在几个CPU或计算机。虽然切换到并行版本不一定会导致计算时间的增加，但它确实使超大型网络的社区结构变得可访问。
2012-05-04 cs.DC cs.DS cs.SI
Center-Periphery Structure in Communities: Extracellular Vesicles
网络中的聚类和社区发现具有广泛的意义，并且已经成为跨越多个领域的广泛研究的主题。我们感兴趣的是一个相对狭窄的问题，即检测由引用链接的科学出版物的社区。这些出版物社区可用于确定形成研究人员社区的具有共同兴趣的科学家。在著名的k-core算法的基础上，我们开发了一个模块化的管道来寻找出版社区。我们比较我们的方法，社区发现广泛使用的莱顿算法的社区发现。使用定量和定性的方法，我们评估社区发现的结果，引文网络组成的超过1400万出版物相关的领域的细胞外囊泡。
2021-11-14 cs.DL cs.SI physics.soc-ph
Modeling Social Networks with Overlapping Communities Using Hypergraphs and Their Line Graphs
我们提出超图可以用来建模具有重叠社区的社交网络。超图的节点表示社区。超图的超链接表示可以参与多个社区的个人。超图不容易分析，而超图的线图是简单图或赋权图，因此可以应用网络理论。我们定义的重叠深度$k$的个人的社区，在该个人重叠的数量，我们证明了相应的线图的最小邻接特征值不小于$-k_{max}$，这是整个网络的最大重叠深度。基于具有优先连接的超图，建立了一个包含重叠社区的网络模型，其中重叠参数$k$和$w$可调.通过与Hyves社会网络的比较，我们发现，我们的社会网络模型具有高度的聚类性，混合性，幂律度分布和短的平均路径长度。
2010-12-13 cs.SI physics.soc-ph
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
Divisibility patterns of natural numbers on a complex network
自然数整除性的研究是数论中最重要的课题之一。几个世纪以来，人们开发了各种工具来发现和研究自然数序列中的各种模式。在本文中，我们研究的整除自然数使用的增长复杂网络的框架。特别是，使用统计推断领域的工具，我们证明了网络是无标度的，但具有非平稳的度分布。与此同时，我们报告了一种新的相似性模式的局部聚类，我们称之为“拉伸相似性”，在这个网络。我们还证明了网络的平均度、全局聚类系数和扩散系数等特性随网络规模的变化是平滑的。利用解析方法估计了全局聚类和平均度的渐近行为，并利用数值分析进行了验证。
2015-12-02 cs.SI math.CO math.NT
Link deletion in directed complex networks
我们提出了一个系统和详细的研究下随机和有针对性的删除链接的有向网络的鲁棒性。我们使用一组随机和无标度类型的网络模型，这些模型具有聚类和重复性的特定特征。各种策略，如随机删除的链接，或删除基于介数中心性和程度的源和目标节点，被用来打破网络。研究了网络对链路持续丢失的鲁棒性，给出了网络连通分量大小和反向路径长度的表达式。聚类和2节点度相关性，对攻击的鲁棒性的影响，也进行了探讨。我们提供了具体的说明，我们的研究三个现实世界的网络构建蛋白质-蛋白质相互作用和运输数据。
2018-09-02 physics.soc-ph
YASCA: A collective intelligence approach for community detection in complex networks
在本文中，我们提出了一个独特的方法，在复杂网络中的社区发现。该方法属于以种子为中心的算法家族。然而，而不是扩大社区周围选定的种子，因为大多数现有的方法，我们在这里探索应用集成聚类方法，以不同的网络分区来自自我为中心的社区计算每个选定的种子。以自我为中心的社区本身计算应用最近提出的合奏排名为基础的方法，允许有效地结合各种本地模块化用于指导贪婪的优化过程。第一个实验的结果，在现实世界的网络，其中地面真相分解成社区是已知的，认为我们的方法的有效性。
2014-01-17 cs.SI physics.soc-ph
Shaping Communities out of Triangles
社区发现在生物学、社交网络、网络流量分析等领域有着重要的应用价值，是图数据采掘领域的研究热点之一。建议塑造社区的指标是通用的，并遵循两种方法：最大限度地提高这些社区的内部密度或减少内部顶点与社区外的连接。然而，这些指标将边缘作为一个集合，而不考虑社区中边缘的内部布局。我们定义了一组面向社交网络的属性，以确保社区具有凝聚力，结构化和良好的定义。然后，我们提出了加权社区聚类（WCC），这是一个基于三角形的社区度量。我们证明，分析社区的三角形社区，满足所列的属性集，在以前的指标。最后，我们的实验表明，WCC正确地捕捉社区的概念，在社交网络使用真实的和合成的数据集，并统计比较一些最相关的社区发现算法在最先进的。
2012-07-26 cs.SI physics.soc-ph
Analysis of a large-scale weighted network of one-to-one human communication
我们从手机通话记录中构建了一个由390万个节点组成的连接网络，它可以被视为社会层面上底层人类通信网络的代理。我们在每条边上分配两个权重来反映社交互动的强度，即总通话时间和18周内个人之间的累计通话次数。我们提出了一个详细的分析，这个加权网络，通过检查其程度，强度和权重分布，以及它的拓扑可拓性和加权可拓性，聚类和加权聚类，以及这些数量之间的相关性。我们给一个帐户的基序强度和相干性分布，并比较它们的随机参考系。我们还使用链接重叠的概念来衡量任何两个相邻节点的共同邻居的数量，这是一个有用的本地措施，用于识别社区的互联性。我们报告的链接的重叠和权重之间的正相关性，从而提供了强有力的定量证据弱关系假设，在社会网络分析的中心概念。网络的渗流性质取决于被移除的链接的类型和顺序，它们可以帮助理解网络的局部结构如何在全局水平上表现出来。我们希望我们的研究结果将有助于加权大规模社交网络的建模，并相信这里遵循的系统方法可以被用来研究其他加权网络。
2007-02-19 physics.soc-ph
Finding Overlapping Communities in Social Networks: Toward a Rigorous Approach
社交网络中的“社区”通常被理解为一组节点，它们之间的连接比网络的其他部分更紧密。这是一个重要的概念，在大多数领域的网络出现：社会，技术，生物，等多年来，算法寻找社区隐含假设社区是不重叠的（导致使用基于聚类的方法），但有越来越多的兴趣在寻找重叠的社区。寻找社区的一个障碍是解决方案的概念通常是根据NP完全问题定义的，如集团或层次聚类。本文旨在启动一个严格的方法来寻找重叠社区的问题，其中“严格”意味着我们清楚地说明以下内容：（a）我们的算法所寻求的对象（b）关于底层网络的假设（c）（最坏情况下）运行时间。我们对网络的假设介于最坏情况和平均情况之间。平均情况分析需要网络的精确概率模型，目前还没有达成共识。然而，从社会学界长达50年的研究中，可以收集到一些关于网络参数的合理假设，这些研究集中在个体社区和以自我为中心的网络的研究上。因此，我们的假设在本质上有点“局部”。然而，他们足以允许严格的分析，恢复全局结构的算法的运行时间。我们的算法使用随机抽样类似的属性测试和算法的稠密图。然而，我们的网络不一定是稠密图，甚至在局部邻域中也不一定。我们的算法探索了以自我为中心和以社会为中心的网络之间的局部-全局关系，我们希望这将为计算机科学和社会学的未来工作提供一个富有成效的框架。
2011-12-08 cs.DS cs.SI physics.soc-ph
Evidential Communities for Complex Networks
社区发现对于理解社交网络中的图结构具有重要意义。现实网络中的社区往往是重叠的，即一些节点可能是多个集群的成员。在网络数据集的数据采掘中，如何发现复杂网络中的重叠社区/簇是一个普遍的问题。提出了一种基于证据模块度函数、谱映射方法和证据c均值聚类的复杂网络重叠社区识别算法。实验结果表明，该方法充分利用了信任函数理论，在检测社区结构和确定合适的簇数方面都有较好的效果。此外，所提出的方法得到的置信划分可以给我们一个更深入的了解图的结构。
2015-01-08 cs.SI physics.soc-ph
Evolution of a large online social network
虽然近年来对协作网络和在线社区有了广泛的研究，但对在线社交网络（OSN）的实际演变却知之甚少。在这封信中，我们研究了一个大型在线虚拟社区的结构演变。我们发现OSN的尺度增长呈现出非平凡的S形，这为Bass扩散模型提供了一个恰当的例证。结果表明，网络的密度、聚类性、异质性和模块性等网络性质的演化具有非单调性，网络的路径长度和直径出现收缩现象.此外，OSN经历了从协作网络的度同配性特征到许多OSN的度异配性特征的转变。我们的研究揭示了特定人群中人际互动的进化模式，并为理论建模和进一步分析提供了有价值的平台。
2009-08-15 physics.data-an physics.pop-ph physics.soc-ph
Revealing social networks of spammers through spectral clustering
University of Michigan（密歇根大学）；Medasense Biometrics Ltd.（美达森生物识别有限公司）
到目前为止，大多数关于垃圾邮件的研究都只关注垃圾邮件周期的垃圾邮件阶段，而忽略了收获阶段，即大量获取电子邮件地址。据观察，垃圾邮件发送者在收集阶段隐藏他们的身份的程度较低，因此通过研究收集者的行为，可能会获得对垃圾邮件发送者行为的新见解，收集者是收集电子邮件地址的个人或机器人。在本文中，我们揭示了社交网络的垃圾邮件发送者识别社区的行为相似性高，使用谱聚类。分析的数据是通过蜜罐项目收集的，蜜罐项目是一个用于监控收获和垃圾邮件的分布式系统。我们的主要发现是（1）大多数垃圾邮件发送者要么只发送钓鱼电子邮件，要么根本不发送钓鱼电子邮件，（2）大多数垃圾邮件发送者社区也只发送钓鱼电子邮件，要么根本不发送钓鱼电子邮件，（3）社区内的几组垃圾邮件发送者表现出一致的时间行为，并具有相似的IP地址。我们的研究结果揭示了垃圾邮件发送者的一些以前未知的行为，并表明垃圾邮件发送者之间确实存在有待发现的社会结构。
2013-04-30 cs.LG cs.SI physics.soc-ph
Neighborhoods are good communities
社交网络的社区是顶点的集合，集合内部的连接比外部的连接多。我们从理论上证明了社交网络的两个常见的性质，重尾度分布和大的聚类系数，意味着存在顶点邻域（也称为egonet），它们本身就是良好的社区。我们评估这些社区社区的一系列图。我们发现，社区社区的电导率通常与费德勒切割一样好。此外，附近社区的电导表现出类似的行为，网络社区配置文件计算与个性化的PageRank社区发现方法。后者需要扫过大量的起始顶点，这可能是昂贵的。然而，通过使用一个小的且易于计算的邻域社区集作为这些PageRank社区的种子，我们发现当在图中的任何地方播种时，社区都可以精确地捕获网络社区配置文件的行为，并且总工作量显着减少。
2011-11-30 cs.DM cs.DS cs.SI
A nonuniform popularity-similarity optimization (nPSO) model to efficiently generate realistic complex networks with communities
复杂网络拓扑结构背后隐藏的度量空间是当前网络科学的一个热门话题，而双曲空间是研究最多的度量空间之一，因为它似乎与许多实际复杂系统的结构组织有关。粒子群优化模型模拟了随机几何图在双曲空间中的生长，再现了强聚类和无标度分布，但它没有再现真实复杂网络的一个重要特征，即社区组织。最近开发的几何偏好附着（GPA）模型赋予PSO也是一个社区结构，这是通过迫使不同的角度区域的双曲盘有可变的吸引力水平。然而，GPA无法明确控制社区的数量和规模，这对实际应用来说是一个明显的限制。在这里，我们介绍了非均匀粒子群（nPSO）模型，不同于GPA，强制异构角节点的吸引力，通过采样的角度坐标从一个定制的非均匀概率分布，例如混合高斯。nPSO在其他三个方面与GPA不同：它允许显式地固定社区的数量和大小;它允许通过网络温度来调整它们的混合属性;它可以有效地生成具有高聚类的网络。经过几次测试，我们提出了nPSO作为一个有效的和高效的模型来生成网络的社区在双曲空间，它可以作为一个现实的基准不同的任务，如社区检测和链接预测。
2017-07-23 cond-mat.dis-nn cs.SI physics.soc-ph
Stability of graph communities across time scales
生物、社会和工程网络的复杂性使得人们希望找到可以作为简化描述的社区的自然分区，并提供对整个系统的结构和功能的洞察。虽然社区检测方法很多，但在如何量化和排名分区质量方面缺乏共识。我们在这里表明，分区的质量可以衡量其稳定性，定义在图上发生的马尔可夫过程的聚类自协方差。由于稳定性对图的时间尺度有内在的依赖性，它允许我们在每个时间比较和排名分区，并建立分区最佳的时间跨度。因此，马尔可夫时间有效地作为一个内在的分辨率参数，建立了一个层次结构的日益粗糙的聚类。在我们的框架内，我们可以提供一个统一的观点，几个标准的分区措施：模块化和归一化切割大小可以被解释为一步的时间措施，而费德勒的谱聚类出现在很长的时间。我们应用我们的方法来表征的相关性和持久性分区随着时间的推移建设性和真实的网络，包括层次图和社交网络。我们还获得了原子级蛋白质结构在不同的时间尺度上减少的描述。
2009-03-11 cs.IR physics.data-an 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
Growing Scale-free Small-world Networks with Tunable Assortative Coefficient
在本文中，我们提出了一个简单的规则，生成无标度的小世界网络与可调的折射系数。这些网络是由两个阶段添加过程中的每个新的节点。该模型可以再现无标度度分布和小世界效应。仿真结果与理论预测基本一致。有趣的是，我们通过调整参数：优先指数$β$，得到了非平凡的聚类系数$C$和可调程度的重复性$r$。该模型可以统一表征双折射和双折射网络。
2006-02-10 physics.soc-ph
