Accelerating Community Detection by Using K-core Subgraphs
社区检测是昂贵的，并且成本通常至少线性地取决于图中的顶点的数量。我们建议使用一个简化的图，它具有更少的节点，但仍然可以捕获关键的社区结构。图的K-核心是每个节点至少有K个连接的最大子图。我们提出了一个框架，通过应用昂贵的算法（模块化优化，鲁汶方法，谱聚类等）加速社区检测。到K-核心，然后使用廉价的启发式（如本地模块化最大化）来推断剩余节点的社区标签。我们的实验表明，该框架可以减少80%以上的运行时间，同时保持解决方案的质量。最近的理论研究提供了支持使用K-核心作为一个简化的表示。
2014-10-13 cs.SI physics.soc-ph
Local Core Members Aided Community Structure Detection
社交网络中的朋友关系可能很强，也可能很弱。一些研究工作表明，朋友之间的亲密关系会产生良好的社区结构。在此基础上，我们提出了一种基于邻居关系紧密度的社交网络社区结构检测方法。该方法通过计算每个邻居节点对核心节点的引力，判断该节点是否属于社区，最终形成社区发现过程。实验结果表明，该方法能够以较低的计算复杂性有效地挖掘社会结构
2017-10-31 cs.SI physics.soc-ph
The Rise of China in the International Trade Network: A Community Core Detection Approach
复杂网络理论在描述从生物学到计算机和社会科学以及经济学和金融学的各种静态网络方面证明是成功的。在这里，我们使用网络模型来描述一个特定的经济系统，即国际贸易网络（ITN）的演变。以往的研究往往认为国际贸易的全球化和区域化是相互矛盾的。我们通过将国际贸易体系视为一个相互依存的复杂网络，重新审视全球化和区域化之间的关系。我们使用模块化优化方法来检测社区和社区核心的ITN在1995年至2011年。随着时间的推移，我们发现社区间和社区内都有丰富的动态。最重要的是，我们对全球动态（即，社区消失或重新出现）往往与区域动态（即，社区成员之间的社区核心变化）。特别是，亚洲-大洋洲共同体消失了，随着时间的推移，随着领导权从日本转移到中国，又重新出现。此外，模拟结果表明，全球动态可以产生的优先连接机制之间和内部社区。
2014-04-28 cs.SI physics.soc-ph
Interplay between $k$-core and community structure in complex networks
在一个最大的一组节点中的网络的组织，至少有$k$邻居的集合内，被称为$k$核心分解，已被用于研究各种现象。研究表明，最内层$k$壳层中的节点在传染过程、共识的出现和系统的弹性中起着至关重要的作用。众所周知，许多经验网络的$k$ -核心分解不能单独用每个节点的度来解释，或者等价地，不能用保持每个节点的度的随机图模型来解释（即，配置模型）。在这里，我们研究的$k$核心分解的一些经验网络，以及一些随机的同行，并检查在何种程度上的$k$壳结构的网络可以解释的社区结构。我们发现，在随机化过程中保持社区结构是至关重要的生成网络的$k$核心分解是接近的经验。我们还强调存在，在一些网络中，集中的节点在最里面的$k$ -壳到少数社区。
2020-09-07 cs.SI physics.soc-ph
The way to uncover community structure with core and diversity
社区在自然界和社会中无处不在。拥有共同财产的个体通常会自我组织形成社区。本文针对计算复杂、信息预先给定、不同运行结果不稳定等不足，提出了一种简单有效的方法，加深了对复杂系统中群落出现和多样性的理解。该方法通过引入理性随机选择，揭示了社区结构中隐藏的确定性和正常的多样性社区状态。为了证明这种方法，我们用真实世界的系统进行了测试。实验结果表明，该方法不仅能够以较高的灵敏度和可靠性检测出社区结构，而且能够通过给出核心社区、真实社区、潮流和多样性等信息，对隐藏的确定性社区世界和正常的多样性社区世界提供指导性信息。这对于理解、预测和控制复杂系统中的各种集体行为是至关重要的。
2017-06-28 cs.SI physics.data-an physics.soc-ph
Modular gateway-ness connectivity and structural core organization in maritime network science
全球贸易量的80%左右是通过海运，因此海运系统是世界经济的基础。为了更好地开发新的国际航线，我们需要了解现有航线及其与国际贸易的复杂系统联系。本文研究了全球班轮运输网络的结构，发现它是一个经济的小世界网络，在高运输效率和低布线成本之间进行权衡。为了加强对这种权衡的理解，我们研究了模块化隔离的GLSN，我们研究省，连接器枢纽港口，并提出网关枢纽港口的定义，使用三个各自的结构措施。门户-枢纽结构-核心组织是大物流网络的一个显著特征，它与网络整合和实现国际贸易货物运输的功能密切相关。这一发现提供了新的见解GLSN的结构组织的复杂性和它的相关性，国际贸易。
2020-03-29 physics.soc-ph
Community Detection from Location-Tagged Networks
许多真实世界系统或web服务可以被表示为诸如社交网络和运输网络之类的网络。在过去的十年中，已经开发了许多算法来使用节点之间的连接来检测网络中的社区。然而，在现实世界中的许多网络中，节点的位置对社区结构有很大的影响。例如，在社交网络中，在地理上接近的用户之间建立更多的连接。研究文献还没有充分研究地点对社区的影响。在本文中，我们提出了一个社区发现方法，考虑到节点的位置。目标是检测具有地理邻近性和网络紧密性的社区。我们分析了连接和非连接节点之间的距离分布，以衡量位置对两个真实的位置标记的社交网络的网络结构的影响。我们提出了一种方法来确定是否基于位置的社区发现方法是适合于一个给定的网络。我们提出了一种新的社区发现算法，将位置信息推到社区发现。我们测试我们提出的方法在合成数据和现实世界的网络数据集。实验结果表明，与传统方法相比，该方法检测出的社区分布范围更小，网络连接紧密度相近或更高。
2015-01-19 cs.SI physics.soc-ph
Multilink Communities of Multiplex Networks
多重网络描述了大量复杂的社会、生物和交通网络，其中一组节点通过不同性质和内涵的链接连接在一起。在这里，我们揭示了丰富的社区结构的多路复用网络相关联的社区，每个多链路的特点之间存在的任何两个节点的多路复用网络的连接。我们的社区检测方法揭示了丰富的多重网络的中尺度结构和它们的多样性之间的相互作用。例如，一些节点可以属于许多层和少数社区，而其他节点可以属于少数层但许多社区。此外，多链路社区可以由不同数量的相关层形成。这些结果指出，在中观上，复用网络的可压缩性可能存在很大的差异。
2017-06-27 cs.SI physics.soc-ph
Exploring the core-periphery and community structure in the financial networks through random matrix theory
本研究利用随机矩阵理论滤除印度股市指数收益率互相关矩阵的噪声，结合网络理论分析发现市场模式含核心-边缘结构、行业模式含社区结构，且基于全互相关矩阵的投资组合表现更优，深化了RMT的金融应用认知。
2024-10-09 cs.SI physics.soc-ph
Community Detection in networks by Dynamical Optimal Transport Formulation
在网络中检测社区在各种应用领域中是重要的。虽然存在各种方法来执行此任务，但最近的努力提出了最优传输（OT）原则，结合奥利维尔-里奇曲率的几何概念，通过严格比较编码到节点邻域中的信息来将节点分类为组。我们提出了一种基于OT的方法，利用OT理论的最新进展，允许调整交通处罚，这强制执行不同的交通计划。因此，我们的模型可以灵活地捕捉不同的场景，从而提高性能的准确性，在恢复社区相比，标准的OT为基础的配方。我们测试了我们的算法在合成和真实网络中的性能，在前一种情况下，与其他基于OT的方法相比，我们的算法具有可比或更好的性能，同时发现社区与真实数据中的节点元数据更加一致。这进一步推动了我们对几何方法在复杂网络中捕获模式的能力的理解。
2022-05-17 cs.SI physics.soc-ph
Flow optimization process in a transportation network
许多网络，如运输，分配和交付网络优化其设计，以提高效率和降低成本，提高其预期功能的稳定性等。分配货物的网络，如电力，水，天然气，电话和数据（互联网），或服务，如邮件，铁路和公路是运输网络的例子。最优设计修正了网络结构，包括聚类、度分布、层次结构、社区结构和其他结构度量。这些网络专门为高效运输而设计，最大限度地减少运输时间和成本。各种交通网络都面临着同样的问题：通道之间的交通拥堵。在这项工作中，我们考虑了一个运输网络模型，在该模型中，我们优化/最小化网络的每个通道/链路处的通量/电流的成本函数。我们对这个问题进行了模拟和分析研究，重点是使用通道的比例和通过这些通道的流量分布。我们的研究结果表明，在初始瞬态后，使用的通道的比例保持不变，值得注意的是，这个结果不依赖于晶格结构（2D，3D，或远程连接）。对于高流量的情况，使用网络中的所有信道。另一方面，在小流量限制下，我们观察到一种新的行为，即使用通道的分数取决于流量的平方根。
2020-03-25 cond-mat.stat-mech physics.soc-ph
Community membership consistency applied to corporate board interlock networks
社区发现是研究社交网络中尺度结构的一种成熟方法。应用社区发现算法导致将网络划分为社区，该社区通常用于检查和推理特定节点的社区成员关系。这种对社区结构的微观解释步骤是典型社会科学研究中的关键步骤。然而，在这一步骤中的方法警告是，几乎所有现代社区发现方法都是不确定的，并且基于随机化和近似结果。这需要在推理单个节点的社区成员关系时明确考虑。要做到这一点，我们提出了一个社区成员一致性的指标，它提供了节点级的见解，该节点到社区的位置是多么可靠。此外，它使我们能够区分社区的社区核心成员。公司董事会联锁网络，其中加权链接代表公司之间共享的高级董事，所提出的指标的实用性证明。研究结果表明，全球商业集团的社区结构是围绕持久的社区由地理和文化的接近联系在一起的核心国家。此外，我们确定了边缘国家，似乎与一些不同的全球商业社区。
2021-10-20 cs.SI physics.soc-ph
Resilience-based performance modeling and decision optimization for transportation network
这项研究提出了一种新的基于应变能力的框架，以支持灾前减灾和灾后恢复的弹性规划。首先，作者提出了一种新的性能指标，加权独立路径数（WIPW），集成网络拓扑结构，冗余水平，交通模式，网络组件的结构可靠性，在社区的灾后恢复过程中的网络功能，在一个系统的方式。据我们所知，WIPW是唯一一个允许在共同基础上比较风险缓解替代方案以提高运输网络弹性的性能指标。基于WIPW，提出了一种交通网络改造项目优先排序的决策方法。其次，我们的研究从灾前减灾延伸到灾后恢复，其中本研究提出了两个指标来评估灾后恢复的水平。也就是说，总恢复时间和恢复轨迹的偏斜。这两个指标都涉及到恢复调度的多目标随机优化问题。该指标提供了一个新的维度来评估替代网络恢复策略的相对效率。然后，作者开发了一种恢复调度方法，用于网络灾后恢复，最大限度地减少整体网络恢复时间，优化恢复轨迹，最终将减少由于网络服务中断的经济损失。
2018-08-11 math.OC physics.soc-ph
Multiscale core-periphery structure in a global liner shipping network
海运占贸易量的大部分，其中70%的价值由集装箱船运输，这些集装箱船按固定的时间表在海洋中通过定期航线。在本文中，我们分析了全球班轮运输作为一个网络的港口的数据集。特别是，我们构建的网络的港口作为一个由港口和船舶航线的二分网络的单模投影。与其他运输网络一样，全球班轮运输网络可能具有核心-外围结构，其中核心和外围分别是密集和稀疏互连的节点组。核心-边缘结构可能对理解国际运输系统的稳健性、效率和不均衡发展具有实际意义。我们开发了一种算法来检测网络中的核心-外围对，该算法允许人们在不同的尺度上找到核心和外围节点，并使用一种配置模型来解释网络是由二分网络的单模投影获得的这一事实。我们还发现，大多数港口是核心（而不是边缘）港口，欧洲，美洲和亚洲的一些国家的港口属于不同规模的全球核心-边缘对，而其他国家的港口则不是。
2019-01-25 physics.soc-ph
A generative model for community types in directed networks
本文提出一种网络演化生成模型，可复现有向网络中四种成对社区类型，通过平均场解揭示了模型参数对社区关系的影响，阐明了不同社区类型转变的机制及观测背后的原理。
2024-05-23 cs.SI physics.soc-ph
Core-periphery structure requires something else in the network
一个具有核心-外围结构的网络由密集互连的核心节点组成。社区结构是一种不同的中尺度网络结构，与之相反，核心节点可以连接到外围节点，而外围节点并不密集互连。虽然核心外围结构听起来合理，我们认为，它只是占异构度分布，如果一个分区的网络分为一个单一的核心块和一个单一的外围块，著名的Borgatti-Everett算法和许多后续算法假设。换句话说，有一种强烈的趋势，即高度和低度节点被判断为核心和外围节点，分别。为了讨论超出节点度预期的核心-外围结构（如配置模型所描述的），我们建议需要假设至少一个远离焦点核心-外围结构的节点块，例如不同的核心-外围对，社区或不属于任何中尺度结构的节点。我们提出了一个可扩展的算法来检测网络中的核心和外围对，控制节点的程度的影响。我们使用各种经验网络来说明我们的算法。
2018-04-27 cs.SI physics.soc-ph
Community Detection in Directed Weighted Networks using Voronoi Partitioning
本文提出一种基于 Voronoi 划分的有向加权网络社区检测算法，可直接利用长度型边权重，并在脑网络、航空网络和基准网络上验证其有效性与效率。
2023-04-24 cs.SI physics.data-an 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
The weak core and the structure of elites in social multiplex networks
最近的精英识别方法强调了{ \em中介}的重要作用，通过一个新的定义的核心的多重网络，{ \em广义} $K$ -核心。这个新引入的核心子图关键地包含了那些个体，尽管他们没有很好的联系，但保持了核心的凝聚力和可塑性。有趣的是，已经表明，广义$K$核心的精英识别性能明显好于标准$K$核心。在这里，我们走得更远：在一个多元化的社会系统中，我们隔离的社区结构的广义$K$ -核心，我们确定了弱连接区域作为核心社区之间的桥梁，确保核心区域的凝聚力和连通性。该粘合区域是多重系统的{ \em弱核心}。我们测试我们的方法的适用性的数据从社会的420.000玩家的大型多人在线游戏{ \em Pardus}。结果表明，广义的$K$核心显示出一个明确的可识别的社区结构和弱核心胶合核心社区显示出非常低的连接性和聚类。尽管如此，尽管其连接性较低，但弱核心形成了一个独特的、有凝聚力的结构。此外，我们发现，成员填充的弱核心有最好的成绩在社会表现，相比，其他元素的广义$K$ -核心。弱核心为理解精英的社会结构提供了一个新的视角，突出了那些在核心中扮演粘合不同社区角色的个人亚群。
2014-12-22 cs.SI physics.soc-ph
Uncover the Dynamic Community Structure of Instant Delivery Network
本研究基于饿了么数据构建北京即时配送网络，利用动态社区检测方法揭示了309个动态社区的时空演变规律及其稳定性影响因素，为优化平台策略和城市交通规划提供了重要参考。
2024-11-15 physics.soc-ph
A Stage-wise Decision Framework for Transportation Network Resilience Planning
本研究介绍了一个全面的阶段性决策框架，以支持灾前减灾（第一阶段），灾后应急响应（第二阶段）和长期恢复（第三阶段）的道路网络的弹性规划。三个决策指标首先定义，每个独立的路径（IPW）的数量的基础上推导出的道路系统内，以衡量网络的性能，其鲁棒性，冗余性和可恢复性，分别。利用这三个基于IPW的决策指标，将阶段决策过程表述为随机多目标优化问题，其中包括在第一阶段确定灾前网络改造项目的项目排序机制，在第二阶段确定临时修复的优先级方法，以促进灾后立即应急响应，以及在第三阶段道路系统长期恢复期间安排全网络维修的方法。最后，以美国田纳西州谢尔比县的道路网络为例，说明该决策框架在支持社区网络弹性规划中的应用。
2018-08-11 math.OC physics.soc-ph
Ensemble-Based Discovery of Disjoint, Overlapping and Fuzzy Community Structures in Networks
虽然数据采掘中的集成聚类已经做了大量的工作，但集成方法在网络社区发现中的应用还处于起步阶段。在本文中，我们提出了两种集成方法：ENDISCO和MEDOC。ENDISCO执行不相交的社区发现。相比之下，MEDOC执行不相交，重叠，和模糊社区发现，并代表了第一次集成方法模糊和重叠社区发现。我们运行广泛的实验，这两种算法对合成和几个真实世界的数据集，社区结构是已知的。我们表明，ENDISCO和MEDOC都击败了最著名的现有独立的社区发现算法（虽然我们强调，他们利用他们）。在不相交的社区发现的情况下，我们表明，ENDISCO和MEDOC击败现有的集成社区发现算法无论是在多个准确性措施和运行时间。我们进一步表明，我们的集成算法可以帮助探索网络社区的核心-外围结构，识别动态网络中的稳定社区，并帮助解决“解的退化”问题，产生强大的结果。
2017-12-06 cs.SI physics.soc-ph
Evolving Models for Meso-Scale Structures
现实世界的复杂网络是无标度的，具有核心-外围和社区结构等中尺度特性。我们研究的核心随着时间的推移，在现实世界的网络。本文提出了具有局部和全局核心-外围以及社团结构的未加权和加权无标度网络的演化模型。网络通过拓扑增长、自增长和权值分布函数进行演化。为了验证所提出的模型的正确性，我们使用K壳和S壳分解方法。仿真结果表明，生成的未加权网络服从幂律度分布，具有下垂头和厚尾。类似地，生成的加权网络遵循度、强度和边权重幂律分布。我们进一步研究了复杂网络的其他性质，如聚类系数、最近邻度和强度度相关性。
2015-11-29 cs.SI physics.soc-ph
Finding compact communities in large graphs
本文提出了一种有效的层次聚类算法，解决了核心社区发现的问题。它是标准社区发现问题的一个变体，我们对社区的连接核心特别感兴趣。为了解决这个问题，我们对社区的标准定义提出了质疑，并提供了替代方案。我们还提出了一个功能称为紧凑性，旨在评估质量的解决方案，这个问题。我们的算法是基于图遍历算法，LexDFS。我们的方法的时间复杂度是在$O(n\times log(n))$。实验表明，我们的算法创建高度紧凑的集群。
2015-08-31 cs.SI physics.soc-ph
Identifying robust features of community structure in complex networks
本文提出递归显著性聚类方案，识别网络扰动下社区归属稳定的节点核心，以刻画非重叠社区结构的固有变异性并验证其在网络演化中的内聚性。
2025-02-05 physics.soc-ph
Identification of core-periphery structure in networks
许多网络可以有效地分解为一个密集的核心加上一个外围的松散连接的外围。在这里，我们提出了一个算法，用于执行这样的分解经验网络数据，使用统计推断的方法。我们的方法适合生成模型的核心-外围结构观察到的数据使用的期望-最大化算法计算模型的参数和计算分解本身的信念传播算法的组合。我们发现该方法是有效的，很容易扩展到网络与一百万或更多的节点，我们测试它的一系列网络，包括现实世界的例子，以及计算机生成的基准，它成功地识别已知的核心外围结构低出错率。我们还证明了该方法是免疫的检测能力的过渡中观察到的相关社区发现问题，防止检测社区结构时，该结构太弱。核心-外围结构不存在这样的转变，尽管存在一些统计误差，但无论它多么弱，都是可以检测到的。
2014-09-16 cond-mat.stat-mech cs.SI physics.soc-ph
The intermodal networks: a survey on intermodalism
多式联运是一个新兴的、相对独立的研究领域，因为多式联运必须研究不同于单一模式运输系统的系统行为。事实上，这一新的研究领域的重要性，其潜在的跨学科建模问题与复杂网络科学，尚未完全认识到的科学界。这是由于几个原因，其中包括缺乏一个共同的背景和一个相当繁琐的方法，操作研究的建模运输。本文综述了运筹学中的交互模态概念和研究方法。然后，我们讨论的联运网络在现实世界的网络框架，了解作为一个整体的联运系统的行为。
2006-09-11 physics.soc-ph
Core-Periphery Structure in Networks
网络中的中间尺度（或“中尺度”）结构受到了相当大的关注，因为对这种结构的算法检测使得有可能发现在节点和边缘的局部尺度或在汇总统计的全球尺度上不明显的网络特征。许多类型的中尺度结构可以出现在网络中，但这些功能的调查主要集中在社区结构的识别和研究。在本文中，我们开发了一种新的方法来研究称为核心-外围结构的中尺度特征，这需要识别密集连接的核心节点和稀疏连接的外围节点。与社区相反，核心节点与外围节点的连接也相当良好。我们计算核心-外围结构的新方法可以识别网络中的多个核心，并考虑不同的可能核心。我们说明了我们的方法和几个现有的方法之间的差异，确定哪些节点属于核心，我们使用我们的技术来检查核心外围结构的例子中的友谊，协作，运输和投票网络。
2013-04-02 cond-mat.stat-mech cs.SI physics.soc-ph
Characterizing the temporally stable structure of community evolution in intra-urban origin-destination networks
本文提出共识OD网络与时间稳定社区分解方法，利用武汉出租车数据识别出覆盖82.9%区域的稳定群体，揭示核心与外围结构及其空间和功能特征，为城市划分与治理提供依据。
2023-09-22 physics.soc-ph
The many facets of community detection in complex networks
社区发现是将图分解为基本构建块的过程，是近年来网络科学的核心研究课题。由于什么构成社区的精确概念仍然是模糊的，社区发现算法经常在基准图上与特定形式的替代社区结构进行比较，并根据它们采用的数学技术进行分类。然而，这种比较可能会产生误导，因为它们的数学机制中明显的相似之处可能会掩盖不同的目标和原因，而这些目标和原因正是我们首先要采用社区发现的原因。在这里，我们提供了这些不同的动机，支持社区发现的重点审查。这种问题驱动的分类在应用网络科学中很有用，在应用网络科学中，为给定的目的选择合适的算法是很重要的。此外，强调不同方面的社区发现也划定了许多线的研究，并指出开放的方向和途径，为未来的研究。
2017-02-15 cs.SI physics.data-an physics.soc-ph
Unfolding communities in large complex networks: Combining defensive and offensive label propagation for core extraction
标签传播已被证明是一种快速的方法来检测大型复杂网络中的社区。最近的发展也提高了方法的准确性，但是，一个通用的算法仍然是一个悬而未决的问题。我们提出了一种先进的标签传播算法，结合了两个独特的战略，即社区的防御性保护和进攻性扩张的社区形成。两种策略相结合，在一个层次的方式，递归地提取网络的核心，并确定晶须社区。该算法进行了评估的两类基准网络种植分区和近25个现实世界的网络，从网络与几十个节点的网络与几千万的边缘。它被证明是目前国家的最先进的社区检测算法和优于所有以前的标签传播算法，具有可比的时间复杂度。特别地，对真实世界网络的分析已经证明，该算法具有几乎线性的复杂度$\mathcal{O}(m^{1.19})$，并且比基本标签传播算法（$m$是网络中的边的数量）具有更好的扩展性。
2011-03-14 cs.SI physics.data-an physics.soc-ph
Community Evolution of Social Network: Feature, Algorithm and Model
研究者们致力于探索社交网络的静态特征，并进一步发现了许多具有代表性的特征，如度分布的幂律和区分社交网络与非社会网络的区分度值。然而，人们并不满足于这些成果，如何揭示社交网络的动态特征，特别是如何有效地跟踪社区演化，越来越受到人们的关注。基于这些兴趣，本文首先展示了社交网络的一些基本但动态的特征。在此基础上，提出了一种新的基于核心的社区演化跟踪算法CommTracker，该算法依靠核心节点建立不同快照下社区之间的演化关系。利用该算法，我们发现了社交网络中的两个独特现象，并进一步提出了两个代表性的系数：增长和代谢，通过这两个系数，我们也能够从动态的角度区分社交网络和非社会网络。最后，我们开发了一个社会网络模型，该模型具有展现上述两个必要特征的能力。
2008-04-28 physics.data-an physics.soc-ph
Large-deviation properties of resilience of transportation networks
对运输网络的弹性分布进行了数值研究，特别是研究了大偏差尾部。因此，不仅可以研究平均值或方差等典型量，还可以研究（几乎）完全支持上的分布。为了证明的原则，一个简单的传输模型的基础上的边缘介数和三个抽象的但广泛研究的随机网络集成被认为是在这里：Erdoes-Renyi随机网络有限连接，小世界网络和空间网络嵌入在一个二维平面。使用特定的数值大偏差技术，概率密度小至10^（-80）在这里获得。这使得人们可以研究典型的网络，也可以研究最具弹性和最不具弹性的网络。由此产生的分布满足数学大偏差原理，即，可以很好地描述率函数在热力学极限。极限速率函数的分析表明，弹性几乎处处服从指数分布。网络结构的分析表明，最有弹性的网络可以获得，作为一个经验法则，通过最小化网络的直径。此外，通过包括更多的链路，通常可以使网络更具弹性。另一方面，弹性最小的网络非常罕见，其特征是所有其他节点都连接到一个（或几个）小核心。总的来说，空间网络集成是最适合获得和研究真正的大部分有限维网络的弹性。结合所提出的大偏差方法来研究这个集合，以获得更现实的，特别是动态的运输网络，似乎是非常有前途的。
2014-02-03 cs.SI physics.comp-ph physics.soc-ph
Communities detection in complex network and multilayer network systems: A flow approach
本文提出基于流准则的社区检测方法，分别针对单层复杂网络和多层网络系统设计流影响参数、流核心及聚合网络流核心等策略，有效解决了传统方法失效的社区发现问题。
2023-09-20 physics.soc-ph
NISQ-ready community detection based on separation-node identification
LMU Munich（慕尼黑大学）；Aqarios GmbH（Aqarios有限公司）；University of Bayreuth（拜罗伊特大学）；Delft University of Technology（代尔夫特理工大学）
本文提出一种基于分离节点识别的NISQ就绪量子社区检测方法，通过仅需与节点数相同的量子比特和稀疏QUBO矩阵，显著降低硬件需求，并在实验中验证了其可行性。
2023-06-24 cs.LG cs.SI physics.soc-ph
Smart Flood Resilience: Harnessing Community-Scale Big Data for Predictive Flood Risk Monitoring, Rapid Impact Assessment, and Situational Awareness
智能弹性是数据科学和城市抵御洪水能力领域碰撞过程的有益结果。本研究的目的是提出并展示一个智能洪水弹性框架，该框架利用异构社区规模的大数据和基础设施传感器数据来增强预测性风险监测和态势感知。智能洪水弹性框架侧重于四个核心能力，可以通过使用异构社区规模的大数据和分析技术来增强：（1）预测性洪水风险映射;（2）自动化快速影响评估;（3）预测性基础设施故障预测和监控;（4）智能态势感知能力。我们在德克萨斯州哈里斯县2017年哈维飓风的背景下展示了智能洪水弹性框架的这些核心能力的组成部分。首先，我们展示了洪水传感器的使用，用于预测洪水溢出的渠道网络和淹没的共同定位的道路网络。其次，我们讨论了使用社交媒体和机器学习技术来评估洪水对社区的影响，并感知情感信号来研究社会影响。第三，我们说明了使用高分辨率的交通数据在网络理论模型的洪水传播的道路网络和中断访问的关键设施，如医院的临近预报。第四，我们在空间分析中利用基于位置的数据和信用卡交易数据，主动评估社区的恢复情况和洪水对企业的影响。这些分析表明，智能洪水复原力框架的核心能力在帮助应急管理人员、城市规划人员、政府官员、响应人员和志愿者更好地应对灾难性洪水事件的影响方面具有重要意义。
2021-11-18 physics.soc-ph
Reduced network extremal ensemble learning (RenEEL) scheme for community detection in complex networks
University of Houston（休斯顿大学）；Texas Center for Superconductivity, University of Houston（休斯顿大学德克萨斯超导中心）
本文提出了一种用于复杂网络社区检测的集成学习算法。该方案使用了一种机器学习算法范式，我们称之为极值包围学习。它使用迭代极值更新的合奏网络分区，这可以通过一个传统的基础算法，找到一个节点分区，最大限度地提高模块化。在每次迭代中，识别每个系综分区中相同社区中的核心节点组，并用于形成简化网络。然后找到简化网络的分区并用于更新系综。缩小网络的较小尺寸使得该方案有效。我们使用该计划来分析社区结构在一组常用的研究基准网络，发现它优于所有其他已知的方法找到最大模块化的分区。
2019-09-23 cond-mat.stat-mech cs.LG cs.SI
Uncovering the hidden core-periphery structure in hyperbolic networks
Shiv Nadar Institution of Eminence Deemed to be University（希夫·纳达尔卓越学院（ deemed to be 大学））
本文系统研究了PSO和S1/H2双曲网络模型中的核心-边缘结构，采用基于随机游走马尔可夫链的方法进行量化分析，并通过统计检验验证其显著性，为提升交通与信息系统网络性能提供新见解。
2024-06-28 cs.AI physics.soc-ph
Mesoscale properties of mutualistic networks in ecosystems
揭示生态网络的结构特性是研究系统在各种扰动下的稳定性的一个重要起点。我们分析授粉和种子处理网络，这是互惠网络的生态系统中的代表性例子，在不同的尺度。特别是，我们研究中尺度的属性，如嵌套结构，核心-外围结构，社区结构，通过统计调查它们与真实网络数据的相互关系。作为在不同尺度上的社区检测的结果，我们发现网络之间没有有意义的层次结构，以及模块化和其他两个结构（嵌套和核心外围性）之间的负相关性，这两个结构本身是高度正相关的。此外，没有特征尺度的社区是感知从社区不一致性分析。因此，群落结构，这是最广泛研究的网络的中尺度结构，事实上是不足以描述这种规模的互惠网络在生态系统中。
2021-11-15 cond-mat.stat-mech physics.soc-ph q-bio.QM
k-Core percolation on multiplex networks
本文将复杂网络上的k-核渗流理论推广到多重网络上的k-核渗流，其中k=（k_a，k_b，.）。多重网络可以定义为具有一组顶点但具有不同类型的边a，b，.，代表不同类型的交互。对于这样的网络，k-核被定义为每个顶点至少有k_i条每种类型的边的最大子图，i = a，b，. .我们推导出自洽方程，以获得出生点的k-核心和它们的相对大小的不相关的多重网络与任意度分布。为了澄清我们的一般结果，我们详细考虑了两种类型的边缘，a和b的复用网络，并解决了ER和无标度复用网络的特殊情况下的方程。我们发现混合相变的出现点的k-核心，除了（1，1）-核心的过渡是连续的。本文将k-核分解算法应用于由两层网络组成的空中运输多路复用网络，得到了（k_a，k_b）-核的大小。
2014-05-10 cond-mat.dis-nn math-ph math.MP
Dimension matters when modeling network communities in hyperbolic spaces
在过去的十年中，随机双曲图已经被证明成功地为现实世界网络的许多关键属性提供了几何解释，包括强聚类，高导航性和异构度分布。这些性质在互联网、交通、大脑或流行病网络等各种系统中普遍存在，因此在恒定负曲率表面上的双曲网络解释下统一起来。虽然一些研究表明，双曲线模型可以产生社区结构，在真实网络中观察到的另一个显着特征，我们认为，目前的模型忽略了选择的潜在空间维度，需要充分代表集群网络数据。我们发现，有一个重要的质的差异之间的最低维模型和它的高维对应节点之间的相似性如何限制连接概率。由于更多的维度也增加了代表社区的角聚类的最近邻居的数量，因此只考虑一个维度可以让我们生成更真实和更多样化的社区结构。
2023-02-27 cond-mat.stat-mech physics.soc-ph
Computational Complexity, Phase Transitions, and Message-Passing for Community Detection
我们将对计算机科学和统计物理学边界上的问题和技术进行旋风式的浏览。我们首先简要描述P、NP和NP完全性。然后，我们讨论随机图，包括出现的巨人组成部分和k-核心，使用技术从分支过程和微分方程。利用这些工具以及二阶矩方法，我们给出了随机k-SAT的临界子句密度的上界和下界。最后，我们在网络中的社区检测，变分方法，贝特自由能，信念传播，可检测性转变，和非回溯矩阵。
2014-09-08 cond-mat.dis-nn cond-mat.stat-mech cs.CC
