Community detection in multiplex networks using locally adaptive random walks
多重网络是一种特殊类型的多层网络，越来越多地应用于从社交媒体分析到生物学的许多领域。在这些应用程序中的一个共同的任务涉及社区结构的检测。许多现有的多路复用中的社区发现算法试图检测由所有层共享的社区。在这篇文章中，我们提出了一个社区发现算法，LART（局部自适应随机转换），用于检测社区共享的一些或所有层的复用。该算法是基于一个随机游走的多重，和定义的随机游走的转移概率被允许依赖于在任何给定的节点，以促进社区的探索层之间的局部拓扑相似性。基于这种随机游走，推导出节点相异性度量，并基于该距离以分层方式对节点进行聚类。我们目前的实验结果，使用网络模拟在各种情况下，展示LART的性能相比，相关的社区发现算法。
2015-07-20 cs.SI physics.soc-ph stat.ML
Scalable and Robust Local Community Detection via Adaptive Subgraph Extraction and Diffusions
局部社区发现是一个重要的图基元问题，它是在一个小的输入种子节点集附近发现一组相关节点的问题，具有广泛的应用和研究前景。最近的方法包括使用本地光谱信息，图扩散，和随机游走，以确定一个社区从输入种子。随着网络规模的不断扩大和网络结构的多样化，社区发现算法不仅要高效，而且要对不同的结构特征具有鲁棒性。为了实现这一目标，我们探索预处理技术和修改现有的本地方法，旨在提高相关的社区发现算法的可扩展性和鲁棒性。实验表明，我们的修改提高了现有方法定位地面真相社区的速度和质量，并且在不同大小，密度和直径的图形和社区中更加强大。我们的子图提取方法使用自适应选择的PageRank参数，以提高召回率和运行时间的一个基于行走的预处理技术的李等人。在搜索社区之前提取子图。然后，我们使用这种技术来实现Mahoney等人最近的Local Fiedler方法的第一个可扩展的实现。我们的实验评估显示了我们的Local Fiedler的预处理版本，以及我们对Li等人的LEMON社区发现框架的新颖简化，与其前辈相比，提供了显著的加速，并获得了与最先进技术相比具有竞争力的群集质量。
2016-11-16 cs.SI physics.soc-ph
Exploring the limits of community detection strategies in complex networks
网络社区结构的表征在多个科学领域具有深远的意义。因此，测试开发的算法，以建立一个网络到社区的最佳划分是该领域的一个基本问题。我们在这里进行了一个非常详细的评估社区检测算法，其中有两个主要的新颖性：1）使用复杂的封闭基准，它提供了精确的方法来评估算法产生的解决方案是否是最优的;以及2）一种新型的分析，其基于对由多个社区检测算法建议的解决方案进行分层聚类，这允许容易地可视化这些解决方案的不同程度。Surprise是一个评估分区质量的全局参数，它证实了这些分析的强大功能。我们发现，没有一个社区检测算法测试提供一致的最佳结果，在所有的网络和惊喜最大化，通过结合多种算法，获得准最佳性能，在这些困难的基准。
2013-06-18 cond-mat.stat-mech cs.SI physics.soc-ph
Community Detection via Random and Adaptive Sampling
在本文中，我们考虑由有限数量的非重叠社区组成的网络。为了提取这些社区，可以从大的可用数据集中采样节点对之间的交互，这允许对给定的节点对进行多次采样。当对节点对进行采样时，观察到的结果是一个二进制随机变量，如果节点相互作用，则等于1，否则等于0。如果节点属于相同的社区，则结果更有可能是积极的。对于给定的节点对样本或观测预算，我们希望联合设计一个采样策略（采样节点对的序列）和一个聚类算法，以尽可能高的准确度恢复隐藏的社区。我们考虑非自适应和自适应采样策略，并为这两类策略，我们得到的基本性能限制满足任何采样和聚类算法。特别是，我们提供了必要的条件，准确地恢复社区的网络规模越来越大的算法的存在。我们还设计了简单的算法，准确地重建社区时，这是在所有可能的，因此证明了准确的社区发现的必要条件也是足够的。随机块模型中的经典社区发现问题可以看作是这里考虑的问题的一个特例。但是我们的框架涵盖了更一般的场景，其中采样节点对的序列可以以自适应的方式设计。本文对随机区组模型给出了新的结果，并将分析推广到自适应抽样的情况。
2014-02-19 cs.SI physics.soc-ph
Overlapping Community Detection Using Neighborhood-Inflated Seed Expansion
社区发现是网络分析中的一项重要任务。社区（也称为集群）是一组内聚顶点，其内部连接多于外部连接。在许多社会和信息网络中，这些社区自然重叠。例如，在社交网络中，图中的每个顶点对应于通常参与多个社区的个人。在本文中，我们提出了一个有效的重叠社区发现算法，使用种子扩展方法。我们的算法的核心思想是找到好的种子，然后根据社区度量对这些种子进行greenly扩展。在这种种子扩展方法中，我们研究了如何在图中确定好的种子节点的问题。特别是，我们开发了新的播种策略的个性化PageRank聚类方案，优化电导社区得分。实验结果表明，我们的种子扩展算法优于其他国家的最先进的重叠社区发现方法产生的凝聚力集群和识别地面真理社区。我们还表明，我们的新播种策略比现有的策略更好，因此在现实世界的网络中找到良好的重叠社区是有效的。
2015-04-03 cs.SI physics.soc-ph
A Generalized and Adaptive Method for Community Detection
复杂网络表示实体之间的交互。它们出现在社会学、生物学等各种背景下，它们通常包含高度连接的子群，称为社区。社区发现是一个研究得很好的问题，大多数算法的目标是最大化纽曼-格文模块化函数，最流行的是鲁汶方法（它非常适合非常大的图）。然而，经典的模块性有很多缺点：我们可以在没有社区结构的图中找到高质量的划分，例如，在随机图上;它促进了大型社区。然后，我们已经适应了鲁汶方法的其他质量函数。在本文中，我们描述了一个通用版本的鲁汶方法。特别地，我们给出了一个插入质量函数的充分条件，并证明了新算法的全局性能与经典的Louvain算法相当，使其成为社区发现算法中的最佳算法。
2014-06-10 cs.SI physics.soc-ph stat.AP
Opinion diversity and community formation in adaptive networks
研究网络结构如何与观点共同进化是一件有趣而又重要的事情。这种共同进化的现有模型通常会导致最终状态，其中网络节点要么达成全局共识，要么分裂成独立的社区，每个社区都拥有自己的社区共识。然而，这样的结果很难解释现实生活中的丰富观察，即意见总是多样化的，没有全球甚至社区共识，人们很少，如果不是从来没有，完全切断自己与持不同意见者的联系。在这篇文章中，我们表明，一个简单的模型集成共识形成，链接重新布线和意见改变允许复杂系统动力学出现，驱动系统进入一个动态平衡与共存的多样化的意见。具体而言，类似的意见持有者可能形成社区，但没有严格的社区共识;不同的社区仍然通过非平凡的社区间联系而相互联系，而不是被分离成不相连的社区。更重要的是，我们表明，复杂的动态可能会导致不同数量的社区在稳定状态与不同的意见持有人之间的给定的宽容。我们构建了一个框架，从理论上分析的协同进化过程。理论分析和大量的仿真结果揭示了复杂的协同进化过程，包括动态平衡的形成，不同社区数下不同稳态之间的相变，以及意见分布与网络模块性之间的动态关系等。
2017-05-12 cs.SI physics.soc-ph
Centrality Measures for Networks with Community Structure
在大型网络中，了解网络结构，找出有影响力的节点是一个具有挑战性的问题。识别网络中最有影响力的节点在许多应用中可能是有用的，例如在流行病传播的情况下，在复杂网络的故意攻击期间对节点进行免疫。大量的研究是为了设计中心性的措施，可以有效地识别网络中最有影响力的节点。有两种主要的方法来解决这个问题：一方面，确定性策略，利用整个网络拓扑的知识，以找到有影响力的节点，而另一方面，随机策略是完全不可知的网络结构。中心性的措施，可以处理有限的知识的网络结构是必需的。事实上，在实践中，关于整个网络的全球结构的信息很少或难以获得。即使可用，网络的结构也可能太大，以至于计算全局中心性度量的计算成本太高。为此，提出了一个中心性的措施，只需要在社区一级的信息，以确定网络中的有影响力的节点。事实上，大多数现实世界的网络都表现出一种社区结构，可以有效地利用这种结构来发现有影响力的节点。我们进行了一个比较评估，突出的全球确定性的战略，以及随机策略与现有的和建议的确定性的社区为基础的战略。通过在具有社区结构的合成网络和真实网络上进行实验，评估了所提出方法的有效性。
2016-01-26 cs.SI physics.soc-ph
The efficiency of community detection by most similar node pairs
社区分析是确定复杂系统是否由具有不同性质的子结构组成的重要方法。本文利用最相似共引模式对SSCI期刊系统进行了两级社区结构分析。介绍了选择最相似节点（日志）对的五种不同策略。利用归一化互信息互信息技术检验了算法的有效性。统计特性和社团结果的比较表明，两级检测都能对复杂系统的社团结构提供指导性信息。通过对这5种策略的进一步比较发现，无论相似性信息是否完备，最有效的策略都是将相似性最大的节点分配到同一个社区中，而随机选择生成的是没有内部序的小世界局部社区。这些结果为有效的社区发现的最相似的节点对的指示。
2018-01-11 cs.DL cs.SI physics.soc-ph
Community dynamics in connected time-dependent multilayer networks
人们已经考虑了不同的策略来从社交媒体中提取人们对同一新闻或事件的相似反应的信息。在这种情况下，提供了一个强大的方法，通过应用图形技术的社交网络用户产生的内容。特别是，大型事件通常会吸引足够的内容流量，以支持明确建模时间维度依赖性的分析。在这里，我们演示了如何有可能将复杂网络中的社区发现策略的应用扩展到时间相关的多层网络的情况下，只要连续的时间层之间的连接是非平凡的。我们将该方法应用于2015年5月至10月在米兰（意大利）举行的世博会活动相关的40万Twitter帖子。
2015-11-11 cs.SI physics.soc-ph
Matching Community Structure Across Online Social Networks
网络中社团结构的发现是近年来引起人们极大兴趣的一个问题。在在线社交网络中，用户经常同时参与多个社交媒体站点，其中一些共享共同的社交关系。在这些网络中发现一个共享的社区结构是非常有趣的。然而，在现实中，用户通常在社交媒体网站上使用不同的用户名来标识自己。这就给探测群落结构带来了很大的困难。在本文中，我们探讨了几种方法，社区发现在线社交网络与有限的知识，跨网络的用户名对齐。我们将已知的用户名对齐称为种子。我们研究了种子选择策略及其对具有不同重叠顶点比例的网络的影响。我们的目标是研究网络拓扑结构和种子选择策略之间的相互作用，并了解它如何影响检测到的社区结构。我们还提出了几种措施来评估社区发现的性能，并使用它们来衡量Twitter-Twitter网络和Twitter-Instagram网络中检测到的社区的质量。
2016-08-03 cs.SI physics.soc-ph
On community structure in complex networks: challenges and opportunities
社区结构是在网络系统的许多现实世界的应用中遇到的最相关的功能之一。尽管在过去的几十年里，科学家们在这一主题上做出了巨大的努力来描述，建模和分析社区，但需要更多的调查才能更好地了解社区结构及其动态对网络系统的影响。在这里，我们首先关注复杂网络中社区的生成模型及其在社区检测算法中的作用。我们讨论了模块化和使用模块化最大化的基础上，社区检测。然后，我们概述了随机块模型，它的不同变体，并从这些模型的社区结构的推断。接下来，我们将重点关注时间演化网络，其中现有的节点和链接可以消失和/或新的节点和链接可能会被引入。在这种情况下，社区的提取提出了一个有趣的和不平凡的问题，在过去十年中获得了相当大的兴趣。我们简要地讨论了相当大的进展，最近在这一领域。最后，我们专注于针对模块化网络中有影响力的流行病传播者的免疫策略。他们的主要目标是从整个网络中选择并免疫一小部分个体，以控制扩散过程。多年来出现了各种策略，提出了不同的方法来免疫网络中的节点重叠和不重叠的社区结构。我们首先讨论随机策略，需要很少或根本没有信息的网络拓扑结构，以牺牲其性能。然后，我们介绍了确定性策略，已被证明是非常有效的控制疫情爆发，但需要完整的网络知识。
2019-11-06 cond-mat.stat-mech cs.SI physics.soc-ph
An Adaptive Networks Model to Simulate Consensus Formation Driven by Social Identity Recognition
社会系统中个体状态的一致性模型一直是物理学文献中最近研究的主题。我们在社会认同理论的框架下研究网络结构如何与个体状态共同演化。我们提出了一个自适应网络模型，通过评估个体之间的同质性来实现个体的状态一致性或局部结构调整。具体而言，相似性阈值显著影响不同初始条件下网络的演化，从而出现明显的社区结构和极化。更重要的是，存在一个相变的临界点，在这个临界点上，网络可能演化成一个重要的社区结构和状态一致的群体。
2020-05-14 cs.SI physics.soc-ph
Structural transitions induced by adaptive rewiring in networks with fixed states
Max Planck Institute for the Physics of Complex Systems（马克斯·普朗克复杂系统物理研究所）；School of Physical Sciences & Nanotechnology, Universidad Yachay Tech（亚查伊科技大学物理科学与纳米技术学院）；Institute for Cross-Disciplinary Physics and Complex Systems, UIB-CSIC（巴利阿里岛大学-西班牙国家研究委员会交叉物理与复杂系统研究所）
研究通过适应性重 wiring 引发网络结构转变，揭示同质性和异质性对网络拓扑的影响，发现中等同质性下形成社区结构，极端情况下则出现碎片化或随机网络。
2026-01-22 nlin.AO physics.soc-ph
Modularity affects the robustness of scale-free model and real-world social networks under betweenness and degree-based node attack
在本文中，我们研究模型和现实世界的社交网络的模块化如何影响其鲁棒性和节点攻击（删除）策略的有效性的基础上，节点度（ID）和节点介数（IB）。我们建立了Barabasi-Albert模型的网络与不同的模块化的一个新的自组织算法，重新布线链接形成网络的社区结构。我们使用最大连通分量（LCC）跟踪网络的鲁棒性。我们发现，较高的模块化水平降低了模型网络的鲁棒性下的两种攻击策略，即具有较高的社区结构的模型网络显示出更快的LCC破坏时，节点删除。非常有趣的是，我们发现，当模型网络呈现非模块化结构或低模块化时，基于度（ID）的节点攻击策略比基于介数的节点攻击策略（IB）更有效。相反，在模型网络呈现较高模块化的情况下，IB策略显然成为最有效的分割LCC。最后，我们研究了模块化指标（Q）评估的网络结构的模块性如何影响的鲁棒性和攻击策略的有效性在12个现实世界的社交网络。我们发现模块度Q与真实世界社交网络在IB节点攻击策略下的鲁棒性呈负相关（p值< 0.001）。这一结果表明，具有较高模块性（即具有较高社区结构）的真实网络可能对基于betwenness的节点攻击更脆弱。本文的研究结果揭示了模块性和社团结构对网络鲁棒性的作用，对网络中节点攻击策略的选择具有一定的指导意义。
2020-09-09 cond-mat.dis-nn physics.soc-ph
Maximizing Influence Propagation in Networks with Community Structure
我们考虑的算法问题，选择一组目标节点，导致最大的激活级联网络。在激活过程服从收益递减性质的情况下，一个简单的爬山选择机制已被证明可以实现可证明的良好性能。在这里，我们研究的影响力传播模型，表现出关键的行为，并在收益递减的属性不成立。我们证明，在这样的系统中，网络的结构特性可以发挥重要作用。我们专注于网络与两个松散耦合的社区，并表明，在这样的系统中的激活扩散的双临界行为有显着的影响，目标策略。特别是，我们表明，简单的策略，工作以及同质网络可能过于次优，并建议简单的修改，以提高性能，考虑到社区结构。
2009-05-07 cond-mat.stat-mech cs.CY physics.soc-ph
Adaptive strategies for route selection en-route in transportation networks
我们研究了自适应策略的车辆在运输网络中的路线选择。通过对二维元胞自动机模型的研究，提出了一种基于路径贪婪度的车辆模型，该模型反映了车辆通过最短路径到达目的地的趋势，并根据当地的交通状况更新了车辆的路径贪婪度，以保持车辆在非拥塞区域中经由较短路径行进，或者在拥塞区域中探索较长的转向路径。我们发现，触发路径贪婪更新的最佳步骤数取决于车辆密度，路径贪婪增量的大小影响系统的宏观交通状况。为了更好地协调密集网络中的车辆，车辆通过较短路径行驶的趋势的更新应该是渐进的，并且不太频繁。
2021-04-27 cond-mat.stat-mech nlin.AO nlin.CG
Preserving system activity while controlling epidemic spreading in adaptive temporal networks
本研究构建自适应行为建模通用框架，解析疫情扩散条件，发现异质网络中靶向脆弱节点的病假策略可有效缓解疫情、维持系统活跃度，为流感样疾病防控提供参考。
2024-08-20 cs.SI physics.soc-ph q-bio.PE
Unfolding network communities by combining defensive and offensive label propagation
标签传播已被证明是一种快速的方法来检测复杂网络中的社区。最近的工作也提高了基本算法的精度和稳定性，但是，一个通用的方法仍然是一个悬而未决的问题。我们提出了不同的标签传播算法，传达两个独特的策略，即社区的防御性保护和进攻性扩张。此外，这些策略结合在一个先进的标签传播算法，保留了这两种方法的优点，并加强了分层社区提取，突出用于大型网络。所提出的算法在不同的基准网络与种植分区和超过30个不同类型和大小的真实世界的网络进行了经验评估。结果证实了充分的命题，并为未来的（大型）复杂网络的分析提供了有前途的理由。然而，这项工作的主要贡献是表明，不同类型的网络（具有不同的拓扑性质）有利于不同的社区形成策略。
2011-03-14 cs.SI physics.data-an physics.soc-ph
Emergence and persistence of communities in coevolutionary networks
我们调查的出现和持久性的社区，通过最近提出的自适应重新布线的机制，在共同进化网络。我们描述了在一个共同进化网络中产生的拓扑结构，该网络具有一个自适应的重新布线过程和一个简单的类似投票规则的节点动态。我们发现，对于一些值的参数描述的自适应重新布线过程中，社区结构出现在一个连接的网络。我们发现，社区的出现与系统中活动链接的数量减少有关，即连接不同状态的两个节点的链接。社区结构状态的生命周期与系统的规模成指数关系。此外，我们发现，一个小的噪声在节点动态可以维持多样性的状态和社区结构的时间在一个有限大小的系统。因此，大的系统大小和/或局部噪音可以解释许多真实系统中群落和多样性的持续存在。
2014-07-01 nlin.AO physics.soc-ph q-bio.PE
