How Cohesive Are Community Search Results on Online Social Networks?: An Experimental Evaluation
本文在在线社交网络背景下，基于社会心理学群体内聚概念引入五种心理学内聚性度量，并提出CHASE框架评估八种社区搜索算法，发现结构内聚与心理内聚无显著相关性，为未来社区搜索方法提供新见解。
2025-05-01 cs.IR cs.SI
Geosocial Graph-Based Community Detection
我们应用谱聚类和多层模块化优化洛杉矶警察局实地采访卡数据集。为了检测社区（即，内聚的顶点组），我们使用的地理和社会信息停止涉及街头帮派成员在洛杉矶警察局霍伦贝克区。然后，我们将算法检测到的社区与已知的帮派识别进行比较，并认为差异是由于数据中社会联系的稀疏性以及模糊社区之间区别的复杂潜在社会学因素。
2012-11-26 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
A multilevel clustering technique for community detection
University of St Andrews（圣安德鲁斯大学）；Edge Hill University（边山大学）
网络是由许多社区组成的，即，具有较强关系的节点和边的集合，具有不同和重叠的属性。社区发现由于各种原因而至关重要，例如作为网络的功能单元，捕获节点之间的本地交互。社区有各种形式和类型，从生物到技术引起的社区。作为技术引发的社区，Twitter和Facebook等社交媒体网络连接了无数不同的用户，从而形成了一个高度连接和动态的生态系统。尽管已经提出了许多算法来检测Twitter上的社会凝聚力社区，但挖掘和相关任务仍然具有挑战性。本文提出了一种基于可扩展框架的网络相关社区检测方法。我们提出了一个多层次的聚类技术（MCT），利用结构和文本信息，以确定当地社区称为微观世界。在基准模型和数据集上的实验验证了该方法的有效性。本研究为社交网络中凝聚社区的发现提供了一个新的维度。该方法提供了更好的理解和清晰度，以描述低级别社区如何在Twitter上发展和行为。从应用程序的角度来看，识别此类社区可以更好地为推荐提供信息，以及其他好处。
2021-01-16 cs.LG cs.SI
Ubiquitousness of link-density and link-pattern communities in real-world networks
社区结构似乎是许多复杂现实世界网络的内在属性。然而，最近的工作表明，现实世界的网络揭示了比经典的凝聚力（链接密度）社区更复杂的模块。特别是，网络也可以根据节点之间的相似连接模式自然地划分，揭示链接模式社区。在这里，我们提出了一个基于传播的算法，可以提取链接密度和链接模式社区，没有任何先验知识的真实结构。该算法首先在不同类别的具有社团结构的合成基准网络和随机网络上进行了验证。我们进一步将该算法应用于不同的社会，信息，技术和生物网络，在那里它确实揭示了有意义的（复合）链接密度和链接模式社区。因此，结果似乎意味着，类似的链接密度对应物，链接模式社区似乎无处不在的性质和设计。
2011-10-24 cs.SI physics.data-an physics.soc-ph
An Optimal and Progressive Approach to Online Search of Top-k Influential Communities
大型图上的社区搜索是图分析中的一个基本问题。最近的研究提出计算top-k有影响力的社区，其中每个报告的社区不仅是一个有凝聚力的子图，而且具有高的影响力值。现有的top-k有影响力社区搜索算法可以分为基于索引的算法和无索引的在线搜索算法。基于索引的算法，虽然是非常有效的进行社区搜索，需要预先计算一个特殊用途的索引，只工作于一个内置的顶点权重向量。在本文中，我们研究了在线搜索方法，并提出了一个实例优化算法LocalSearch的时间复杂度是线性比例的最小子图的大小，一个正确的算法需要访问没有索引。此外，我们还提出了技术，使LocalSearch逐步计算和报告的社区在减少影响值的顺序，这样k不需要指定。此外，我们将我们的框架扩展到top-k有影响力的社区搜索其他凝聚力措施的一般情况下。大量的实证研究表明，我们的算法优于现有的在线搜索算法的几个数量级。
2017-12-13 cs.DB cs.SI
Sustainable Online Communities Exhibit Distinct Hierarchical Structures Across Scales of Size
在线社区以多种形式和规模存在，对个人和组织具有相当大的影响力。然而，对于为什么一些在线社区是可持续的，而另一些则不复存在，人们的见解有限。我们发现，社区，未能保持一个典型的分层的社会结构，跨规模的凝聚力平衡不生存，可以区分社区表现出这种平衡，并在长期内占上风。此外，在对10，122个真实在线社区（共有134，747名成员）的分析中，我们发现，在其生命周期的前30天绘制社区社交圈结构足以预测社区未来10年的生存。通过改变校准时间框架，允许预测能力的社会结构的各个方面在社区生命的最初几个月内出现并固定。
2018-03-20 cond-mat.stat-mech cs.SI physics.soc-ph
On Efficiently Detecting Overlapping Communities over Distributed Dynamic Graphs
现代网络规模庞大、动态性强，对社区发现算法的效率提出了挑战。本文研究了分布动态图上的重叠社区发现问题。给定一个分布式的、无向的和无权的图，目标是随着图的动态变化而增量地检测重叠的社区。我们提出了一个有效的算法，称为\textit{randomized Speaker-Listener Label Propagation Algorithm}（rSLPA），通过放宽标签传播的概率分布的基础上的\textit{Speaker-Listener Label Propagation Algorithm}（SLPA）。除了检测高质量的社区外，rSLPA还可以在一批边插入和删除操作后增量更新检测到的社区。据我们所知，rSLPA是第一个可以增量捕获与通过在更新的图上从头开始应用检测算法获得的社区相同的社区的算法。在人工数据集和真实数据集上进行了大量的实验，结果表明，该算法可以同时获得较高的准确率和效率。
2018-01-18 cs.SI physics.soc-ph
Community detection in networks: Structural communities versus ground truth
在网络中寻找社区的算法只依赖于结构信息和搜索节点的内聚子集。另一方面，大多数学者隐含或明确地假设结构社区代表具有相似（非拓扑）属性或功能的节点组。到目前为止，这一假设无法得到验证，因为缺乏具有节点分类信息的网络数据集。我们发现，传统的社区检测方法无法找到在许多大型网络的元数据组。我们的研究结果表明，结构社区和元数据组之间存在明显的分离，与最近的研究结果一致。这意味着，要么我们当前的社区结构建模必须进行实质性修改，要么元数据组可能无法单独从拓扑中恢复。
2014-12-11 cs.IR cs.SI physics.soc-ph
LabelRank: A Stabilized Label Propagation Algorithm for Community Detection in Networks
大数据分析中的一个重要挑战是在大规模网络中发现内聚群体，包括社交网络、遗传网络、通信网络等。在本文中，我们提出了LabelRank，一个有效的算法检测社区通过标签传播。一组运营商被引入到控制和稳定的传播动力学。这些操作解决了传统标签传播算法（LPA）中的随机性问题，在同一网络的所有运行中稳定发现的社区。对真实网络的测试表明，与LPA以及其他流行算法相比，LabelRank显著提高了检测到的社区的质量。
2013-03-13 cs.DS cs.SI physics.soc-ph
Ensembles based on the Rich-Club and how to use them to build soft-communities
网络系综被用作零模型来区分网络结构。提出了一种基于最大熵方法的网络集成生成算法，该算法由度序列和富俱乐部系数定义。该方法适用于无权无向网络。该集成用于生成真实网络的相关和不相关零模型。这些集成可以用来定义网络划分为软社区。
2015-04-21 cs.SI physics.data-an
Identity-Based Attribute Prototypes Distinguish Communities on Twitter
本文考察了Twitter上的会话社区与其成员的社会身份表达之间的联系。它专门测试社区原型的存在，或者通过元对比定义一个群体的属性集合：高内聚性和高外聚性。分析四个数据集的政治讨论，从大约400万到3000万推文，我们发现了强有力的证据，存在独特的社区原型。我们观察到，社区原型是通过标签、提及、表情符号和身份短语构建的。这一发现定位在一个更大的群体过程中发挥出通信社区内的个人用户的身份信号先前的工作。然后，通过测量每个社区的身份信号的显着性，为特定的社区构建社区原型。观察到的社区原型往往基于政治意识形态、地理位置和语言或普遍利益。虽然社区原型的存在可能是一种自然的群体行为，但在展示意识形态对立原型的社区之间观察到的高水平对比表明存在与身份有关的两极分化。
2023-02-20 cs.SI
Mapping flows on weighted and directed networks with incomplete observations
在具有不完整观测的网络中检测重要的社区结构是具有挑战性的，因为特定解决方案的证据会随着数据的缺失而消失。例如，最近的研究表明，基于流的社区发现方法可以突出稀疏的无向和无权网络中的虚假社区与丢失的链接。目前的贝叶斯方法，以克服这个问题不工作的不完整的观察加权和有向网络，描述网络流。为了解决这一差距，我们扩展了贝叶斯估计的地图方程的无权重和无向网络，使更强大的社区发现加权和有向网络背后的想法。我们推导出一个加权和定向的先验网络，可以将元数据信息，并显示如何在社区检测方法Infomap提供更可靠的社区，即使有很大一部分数据丢失的有效实施。
2021-12-13 cs.SI physics.data-an physics.soc-ph
A Quantitative Study of Social Organisation in Open Source Software Communities
开源项目的成功关键取决于足够大的用户社区的自愿贡献。除了单纯的社区规模，有趣的问题出现时，在社区成员之间的合作的结构特征的演变。在本文中，我们讨论了几个网络分析代理，可用于量化社会协作网络中社会组织的不同方面。我们特别注重与社区凝聚力、责任分配和社区成员流动复原力有关的措施。我们对一个大规模的数据集进行了比较分析，该数据集涵盖了14个主要开源软件社区用户之间的完整合作历史。我们的分析涵盖了总体和时间演变的措施，并强调了不同社区的社会组织的差异。我们认为，我们的研究结果是一个有前途的一步，合适的，潜在的多维，弹性和风险指标的定义开源软件社区。
2013-03-04 cs.SE cs.SI nlin.AO
Finding Communities in Site Web-Graphs and Citation Graphs
Web是社交网络的一个典型例子。Web最有趣的特征之一是它的自组织行为，这通常是通过社区的存在来实现的。网络图中社区的发现可以用来提高搜索引擎的有效性，用于预取、书目引用排名、垃圾邮件检测、路线图和站点图的创建等。相应地，引用图也是由社区组成的社会网络。在引文图中识别社区可以增强文献检索和数据挖掘。在本文中，我们将提出一个快速的算法，可以识别社区在一个给定的无权/无向图。该图可以表示网络图或引用图。
2012-08-27 cs.IR cs.SI
Top-L Most Influential Community Detection Over Social Networks (Technical Report)
本文提出 TopL-ICDE 问题，利用索引与剪枝高效检索高内聚、含关键词且影响力最大的前 L 个社区，并研究 NP-hard 的多样化 DTopL-ICDE 变体。
2024-03-01 cs.DB cs.SI
A Game-Theoretic Approach for Detection of Overlapping Communities in Dynamic Complex Networks
复杂网络往往会显示社区，这些社区是一个组中相互紧密连接的节点组，并且与网络的其余部分稀疏连接。检测这样的社区是一个重要的计算问题，因为它提供了一个洞察网络的功能。此外，在动态网络中调查社区结构，其中网络受到变化的影响，更具挑战性。本文提出了一种博弈论技术，用于检测动态和静态复杂网络中的社区结构。在我们的方法中，每个节点都扮演一个玩家的角色，试图通过加入一个或多个社区或在社区之间切换来获得更高的回报。游戏的目标是通过在这些参与者之间找到纳什均衡点来揭示这些参与者形成的社区结构。据我们所知，这是第一个能够从静态或动态网络中提取重叠社区的博弈论算法。我们提出的实验结果说明了所提出的方法在合成和真实世界的网络上的有效性。
2016-07-29 cs.CC cs.DS cs.GT
Transforming complex network to the acyclic one
无环网络是一类复杂网络，其中的链接是有向的，没有闭环。在这里，我们提出了一个算法，将一个普通的无向复杂网络转化为一个无环的。对非循环网络的进一步分析允许发现网络的结构特性。通过我们的方法，人们可以找到复杂网络中的社区和关键节点。提出了一种新的复杂网络参数，它可以标识系统中最脆弱的节点。该算法可应用于一般复杂网络中的社区和瓶颈发现。
2012-07-16 cond-mat.dis-nn cs.SI physics.soc-ph
Finding role communities in directed networks using Role-Based Similarity, Markov Stability and the Relaxed Minimum Spanning Tree
我们提出了一个框架，集群节点在有向网络中根据他们的角色，结合基于角色的相似性（RBS）和马尔可夫稳定性，两种技术的基础上流。首先，我们计算RBS矩阵，其中包含节点之间的成对相似性，根据不同长度的入向和出向路径的缩放数量。然后使用松弛最小生成树（RMST）算法将加权RBS相似性矩阵变换为无向相似性网络，该算法使用RBS矩阵的几何结构来使网络不模糊，使得具有高直接RBS的节点之间的边缘被保留。最后，我们使用马尔可夫稳定性将RMST相似性网络划分为所有尺度的节点角色社区，以找到网络中的一组强大的角色。我们通过生物和人造网络展示我们的框架。
2013-09-06 cs.SI physics.soc-ph q-bio.NC
Reddit Deplatforming and Toxicity Dynamics on Generalist Voat Communities
Institute of Physics Belgrade, University of Belgrade（贝尔格莱德物理研究所，贝尔格莱德大学）
研究探讨了Reddit停运对Voat社区的影响，发现停运后用户迁移通过边缘动态导致社区结构变化，毒性在敌对接管阶段迅速增加，后期形成自我维持的毒性规范。
2025-12-26 cs.CY cs.SI physics.soc-ph
Community Search in Attributed Networks using Dominance Relationships and Random Walks
本文提出一种结合跳数与随机游走方法、利用支配得分和k-核提取的算法，在属性网络中平衡结构与属性相似性，高效识别高内聚社区，适用于社交网络分析和推荐系统。
2025-10-26 cs.SI
Detecting communities is hard, and counting them is even harder
我们考虑的算法问题的社区检测网络。给定一个无向友谊图$G=\left(V,E\right)$，一个子集$S\subseteq V$是一个$\left(α,β\right)$ -社区，如果：* 社区的每个成员都是社区的一个$α$ -分数的朋友; * 每个非成员最多是社区的一个$β$ -分数的朋友。Arora等人[AGSS 12]给出了一个拟多项式时间算法，用于枚举任何常数$α>β$的所有$\left(α,β\right)$ -社区。在这里，我们证明，假设指数时间假设（ETH），准多项式时间实际上是必要的-甚至对于一个弱得多的近似desideratum。即，区分：* $G$包含$\left(1,o\left(1\right)\right)$ -社区;并且 * $G$不包含任何$β\in\left[0,1\right]$的$\left(β+o\left(1\right),β\right)$ -社区。我们还证明了计算$\left(1,o\left(1\right)\right)$ -社区的数量需要准多项式时间，假设#ETH较弱。
2016-11-25 cs.CC cs.DS cs.SI
Advancing Community Detection with Graph Convolutional Neural Networks: Bridging Topological and Attributive Cohesion
Victoria University of Wellington（维多利亚大学）；Goldenset Collective（Goldenset集体）；School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院）
针对GCN社区检测中模块度优化次优及人工标签破坏拓扑连通性的问题，提出TAS-Com，借助Leiden算法优化损失并细化标签，实现模块度与标签遵从性的平衡，性能优于现有方法。
2025-05-15 cs.AI cs.SI
Community Search in Time-dependent Road-social Attributed Networks
School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院）；School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院）
针对现有社区搜索未同时兼顾关键词、位置及出行时间变化且遍历全网络效率低的问题，提出语义-空间感知k核发现问题，设计两种局部扩展算法及大语言模型语义相似度计算方法，在多项内聚性指标上优于基线。
2025-05-18 cs.AI cs.SI
Community Detection by Information Flow Simulation
社区发现仍然是数据采掘中的一个重要问题，这是由于缺乏可扩展的算法来利用可用数据的所有方面，即信息流的方向性及其动态性。大多数现有的方法在图形结构中使用连通性的措施。在本文中，我们提出了一个快速，可扩展的算法来检测社区的有向，加权图表示的社交网络通过模拟信息流通过他们。通过设计，我们的算法自然也可以处理无向或无权网络。我们的算法运行在$\mathcal{O}(|E|)$时间，这是优于大多数现有的工作，并使用$\mathcal{O}(|E|)$空间，因此很容易扩展到非常大的数据集。最后，我们证明了我们的算法在地面真实数据的准确性和可扩展性方面优于最先进的马尔可夫聚类算法（MCL）（在许多情况下，我们可以在图中找到社区对于MCL来说太大了）。
2018-05-13 cs.SI physics.soc-ph
Mining Application-aware Community Organization with Expanded Feature Subspaces from Concerned Attributes in Social Networks
社交网络是典型的具有节点属性的属性网络。与传统的属性社区发现问题不同，本文研究了面向应用的社区组织挖掘问题，即针对特定的关注属性挖掘出一个应用感知的社区组织。所关注的属性是由用户基于任何应用的要求预先指定的。应用感知社区组织w.r.t.关注属性由具有包含这些关注属性的特征子空间的社区组成。每个社区的特征子空间除了包含相关属性外，还可能包含其他相关属性。特征子空间的所有相关属性共同描述和确定嵌入在该子空间中的社区。因此，该问题包括两个子问题，即，如何将关注属性集扩展为完备的特征子空间，以及如何挖掘嵌入在扩展子空间中的社区。两个子问题共同解决优化的质量函数称为子空间适应度。提出了一种称为ACM的算法。为了定位可能属于应用感知社区组织的社区，检测由具有相似关注属性的节点组成的网络骨干的内聚部分并将其设置为社区种子。所关注的属性集被设置为所有社区种子的初始子空间。然后迭代调整每个社区种子及其属性子空间，以优化子空间适应度。在人工数据集上的大量实验证明了该方法的有效性和高效性，在真实网络上的应用表明了其应用价值。
2017-05-10 cs.SI physics.soc-ph
Latent heterogeneous multilayer community detection
Huawei Noah's Ark Lab（华为诺亚方舟实验室）；University of South Florida（南佛罗里达大学）；University of Michigan（密歇根大学）；GIPSA-lab, University Grenoble-Alpes（格勒诺布尔-阿尔卑斯大学GIPSA实验室）；MIT-IBM Watson AI Lab, IBM Research（IBM研究院MIT-IBM沃森人工智能实验室）
提出了一种在多层加权无向网络中同时检测共享和非共享社区的方法。假设多层网络遵循生成概率模型，该模型考虑了社区之间的相似性和差异性。我们利用变分贝叶斯方法联合推断共享和非共享的隐藏社区从多层网络的观察。我们表明，我们的方法在检测合成数据以及真实全基因组成纤维细胞增殖数据集上的不同（共享和私有）社区方面优于最先进的算法。
2019-06-24 cs.LG cs.SI stat.ML
Comparative Evaluation of Community Detection Algorithms: A Topological Approach
社区发现是复杂网络分析中最活跃的研究领域之一，具有潜在的应用价值。许多作品的灵感来自于不同的范例，致力于算法解决方案的发展，允许揭示网络结构，在这样的凝聚子群。文献中报道的比较研究通常依赖于将社区结构视为分区的性能度量（兰德指数，归一化互信息等）。然而，这种类型的比较忽略了社区的拓扑性质。在这篇文章中，我们提出了一个全面的比较研究的一组有代表性的社区发现方法，我们采用这两种类型的评价。面向社区的拓扑措施被用来限定社区，并评估其偏离参考结构。为了模拟真实世界的系统，我们使用人工生成的真实网络。事实证明，这两种方法之间并不等价：高性能不一定对应于正确的拓扑性质，反之亦然。因此，它们可以被认为是互补的，我们建议同时使用它们，以便进行完整和准确的评估。
2012-06-21 cs.SI physics.soc-ph
Loyalty in Online Communities
Stanford University（斯坦福大学）；Cornell University（康奈尔大学）
忠诚度是多社区参与的重要组成部分。当用户可以选择与各种不同的社区互动时，他们往往只忠于一个社区，以牺牲其他社区为代价专注于该社区。然而，目前还不清楚忠诚度如何表现在用户行为中，或者忠诚度是否受到某些社区特征的鼓励。在本文中，我们操作的忠诚度作为一个用户社区的关系：忠诚于一个社区的用户始终喜欢它超过所有其他的忠诚社区保留他们的忠诚用户随着时间的推移。通过使用来自Reddit的讨论社区的大型数据集来探索这种关系，我们发现忠诚度在广泛的社区中表现为非常一致的行为。忠诚的用户使用的语言标志着集体身份，并参与更深奥，不太受欢迎的内容，这表明他们可能在展示新材料方面发挥策展作用。忠诚的社区有更密集的用户间交互网络和更低的三元闭合率，这表明社区级别的忠诚度与更有凝聚力的交互和更少的子群体碎片化有关。我们利用这些一般模式来预测未来的忠诚率。我们的研究结果表明，用户的倾向，成为忠诚是显而易见的，从他们的第一次与社区的互动，这表明，一些用户从一开始就本质上忠诚。
2017-05-24 cs.CL cs.SI
A Method Based on Total Variation for Network Modularity Optimization using the MBO Scheme
网络结构的研究在社会学、生物学、计算机科学和许多其他学科中很普遍。网络科学最重要的领域之一是算法检测称为“社区”的节点的内聚组。一个流行的方法来寻找社区是最大化称为{ \em模块化}的质量函数，以实现某种最佳的节点集群。在本文中，我们从一个新的角度来解释模块化函数：我们重新制定模块化优化作为一个能量泛函，其中包括一个总的变化项和$\ell_2$平衡项的最小化问题。通过采用图像处理和$\ell_1$压缩感知的数值技术-如凸分裂和Merriman-Bence-Osher（MBO）计划-我们开发了一个变分算法的最小化问题。我们提出了我们的计算结果使用合成基准网络和真实数据。
2013-04-17 cs.SI math.OC physics.soc-ph
Multislice Modularity Optimization in Community Detection and Image Segmentation
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；University of Oxford（牛津大学）
由于网络可以用来表示许多复杂的系统，因此在物理学、计算机科学、社会学和许多其他学科中引起了相当大的关注。网络科学最重要的领域之一是内聚群的算法检测（即，“社区”）的节点。在本文中，我们算法检测社区在社交网络和图像数据，通过优化多层模块化。模块化优化的一个主要优点是它不需要社区数量或大小的先验知识，并且能够找到由不同大小的社区组成的网络分区。通过优化多切片模块化并随后计算对所得到的网络分区的诊断，从而可以获得关于跨多个系统尺度的网络结构的信息。我们说明了这种方法的数据从社交网络和图像，我们发现，优化的多层模块化在这两个任务上表现良好，而不需要广泛的问题特定的适应。然而，提高这种方法的计算速度仍然是一个具有挑战性的开放问题。
2012-11-30 cs.CV cs.SI physics.data-an
Bayesian estimation of the latent dimension and communities in stochastic blockmodels
Imperial College London（帝国理工学院）
无向图的邻接矩阵或拉普拉斯矩阵的谱嵌入是在低维潜在空间中表示网络的常用技术，具有最佳理论保证。嵌入可以用来估计网络的社区结构，在随机块模型框架下具有强一致性结果。用于从谱嵌入进行社区发现的标准算法的主要实际限制之一是必须预先指定社区的数目和嵌入的潜在维度。在这篇文章中，提出了一种新的贝叶斯模型，同时和自动选择适当的尺寸的潜在空间和块的数量。扩展到有向图和二分图进行了讨论。该模型进行了测试模拟和真实世界的网络数据，表现出良好的性能恢复潜在的社区结构。
2020-05-28 cs.LG cs.SI stat.AP
Modelling community formation driven by the status of individual in a society
在人类社会中，人们愿意竞争和争取更好的社会地位，以及嫉妒那些被认为在某种程度上优越的人，导致社会结构本质上是等级制的。在这里，我们提出了一个基于代理的网络模型来模仿个人的排名行为及其在人类社会中可能产生的影响。该模型的主要成分是假设社会互动的相关特征是每个人的意愿，以最大限度地提高他或她的地位相对于他人。由该模型产生的社交网络是同性恋和排斥性的，正如在人类社区中经常观察到的那样，大多数网络属性似乎与其大小无关。然而，可以看出，对于少量的代理，由此产生的网络由不相交的弱连接社区组成，同时具有高度的互补性和同性恋性。另一方面，更大的网络与更大的社区更有凝聚力，但不那么同性恋。我们发现，这些变化的原因是，更大的网络规模允许代理使用新的策略，以最大限度地提高他们的社会地位，允许他们之间的联系更加多样化。
2017-02-08 cs.MA cs.SI physics.soc-ph
UniCom: Towards a Unified and Cohesiveness-aware Framework for Community Search and Detection
University of New South Wales（新南威尔士大学）；University of Technology Sydney（悉尼科技大学）；Hong Kong Polytechnic University（香港理工大学）
UniCom通过跨领域知识转移解决社区搜索与检测问题，提升模型泛化能力和运行效率。
2025-12-02 cs.DB cs.SI
Finding Top-r Influential Communities under Aggregation Functions
社区搜索是在图中寻找满足某些拓扑约束的内聚和连通子图的问题，例如，度约束。现有的研究大多只关注网络的拓扑结构，而忽略了节点对网络社区的影响。为了解决这个问题，有影响力的社区搜索进一步提出了包括节点的影响力。在有影响力社区搜索问题中，每个节点都有一个权重，即影响力值，来表示其网络影响力。社区的影响力值由聚合函数产生，例如，max、min、avg和sum，对同一社区中的节点的影响值。有影响力社区搜索问题的目标是在满足拓扑约束的情况下找到具有最高影响力值的前r个社区。现有的有影响力的社区搜索的研究有几个局限性：（i）他们只专注于简单的聚合功能，如min，这可能达不到某些要求，在许多现实世界的情况下，（ii）他们对社区的大小没有限制，而大多数现实世界的情况下。这促使我们进行一项新的研究来填补这一空白。我们考虑的问题，确定顶R有影响力的社区，有/没有大小的限制，同时使用更复杂的聚合函数，如总和或平均值。我们给出了一个理论分析，证明了困难的问题，并提出了高效和有效的启发式解决方案，我们的topr有影响力的社区搜索问题。在真实大图上的大量实验表明，我们提出的解决方案比基线解决方案更有效。
2022-07-03 cs.DB cs.SI
Slow-down or speed-up of inter- and intra-cluster diffusion of controversial knowledge in stubborn communities based on a small world network
当代理人思想开放时，知识的传播预计是巨大的。该报告涉及一个更困难的扩散情况下，社区是由顽固的代理人。有明显不同意见的社区例如一方面是新创造主义者和智能设计支持者（IDP），另一方面是达尔文进化论捍卫者（DED）。在这种社区内的知识扩散的情况下，在这里研究了一个网络上的邻接矩阵的基础上，建立从时间顺序选择报价的代理商，whence之间和内部社区。网络本质上是有向的，不一定是相互的。因此，邻接矩阵具有复特征值，特征向量呈现复分量。在非马尔可夫接触序列的时间网络中，信息扩散的减速或加速效应的量化可以通过将实时相关（有向）网络与其对应的时间聚合（无向）网络进行比较来进行，后者具有实特征值。为了做到这一点，小世界网络都包含$odd$数量的节点进行了研究，并与类似的网络与$even$数量的节点。研究发现：（1）知识在最大的网络上扩散更加困难;（2）网络规模影响扩散过程的减速或加速。有趣的是，据观察，（三）知识的传播速度较慢，国内流离失所者和DED社区更快。有人建议，如果一些“科学素质”和“出版习惯”归因于代理人，这一发现可以“合理化”，因为常识会猜测。这一发现为将科学知识与信仰联系起来提供了一些开放的讨论。
2015-06-28 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Adverse Online Social Interactions: A Multi-Level Evolutionary Analysis of Local Patterns, Diffusion, and Community Disruption
Florida State University（佛罗里达州立大学）；Vanderbilt University（范德堡大学）；Utah State University（犹他州立大学）
提出多层次框架，从微观、中观、宏观分析不良社交互动如何局部出现、传播并破坏社区，发现结构断开与有毒沟通互补影响社区演化。
2026-06-23 cs.SI
A new measure of modularity density for community detection
使用一个直观的概念是什么构成一个有意义的社区，一个新的度量制定检测无向，加权异构网络中的非重叠社区。这种度量，模块化密度，被证明是优于目前文献中的模块化密度的版本。与以前版本的模块密度相比，我们的度量的最大化被证明是没有偏见的，更好地检测弱分离社区，特别是在异构网络中。除了这些特征之外，我们的模块化密度的计算运行时间被发现与以前的变体相当或更快。我们的研究结果进一步表明，社区发现通过最大化我们的度量是数学相关的分区网络的归一化切割标准的最小化。
2019-08-22 cs.SI stat.ML
Community Detection in Large-Scale Complex Networks via Structural Entropy Game
针对大规模网络社区检测的挑战，提出基于势博弈和二维结构熵最小化的CoDeSEG算法，实现快速且高精度的重叠社区检测。
2025-01-25 cs.SI
Community detection in multi-layer bipartite networks
针对多层二分网络社区检测难题，本文提出多层度校正随机共块模型与去偏谱共聚类算法，证明其一致性及层数增加带来的精度提升，并通过实验和真实数据验证优越性。
2024-05-07 cs.SI physics.soc-ph stat.ME
Network Classification in Temporal Networks Using Motifs
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；IBM UK（IBM英国公司）；Cardiff University（卡迪夫大学）
网络分类有多种应用，例如检测网络内的社区以及寻找代表现实世界不同方面的社区之间的相似性。然而，大多数现有的工作在这一领域集中在检查静态无向网络，而不考虑有向边缘或时间性。在本文中，我们提出了一种新的方法，利用特征表示网络分类的时间基序分布的网络和空模型进行比较，对随机图。实验结果表明，我们的方法提高了$10\%$的准确性相比，国家的最先进的嵌入方法在网络分类，任务，如分类网络类型，识别社区的电子邮件交换网络，并确定用户的应用程序切换行为。
2018-08-07 cs.LG cs.SI
Discovering overlapping communities in multi-layer directed networks
本文提出多层混合成员随机共块模型及谱方法，用于检测多层有向网络中的非对称重叠社区，理论证明并实验验证了其一致性及提高稀疏性、节点数或层数可提升检测精度。
2025-02-27 cs.SI stat.ME
Community detection in directed acyclic graphs
一些时间网络，最著名的是引用网络，自然地表示为有向无环图（DAG）。为了检测DAG中的社区，我们通过定义适当的空模型（即，随机化网络）尊重节点的顺序。我们实现了一种谱方法，以近似最大化所提出的模块性度量，并在引用网络和其他DAG上测试该方法。我们发现，达到的值的模块化的DAG是相似的分区，我们通过最大化建议的模块化（设计的DAG），模块化的无向网络和一般有向网络。换句话说，如果我们忽略给定的DAG中节点的顺序（以及链接的方向）并最大化传统的模块性度量，则获得的分区接近于DAG模块性意义上的最佳分区。
2015-08-12 cs.SI 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
Community detection for directed networks revisited using bimodularity
University of Geneva（日内瓦大学）
本文提出双模性概念，通过凸松弛和奇异值分解优化有向网络中的社区检测，并在神经网络图谱中验证了其有效性。
2025-07-21 cs.SI
Commuter networks and community detection: a method for planning sub regional areas
决策者和规划者面临的一个主要问题是如何界定“理想的”区域划分，即如何划定在某些具体的地域特征方面表现出足够程度的同质性的分区域。在地中海第二大岛屿撒丁岛，政治家和分析家参与了一个长达50年的确定该省正确模式的过程，该省是区域和市政当局之间的中间行政机构。在本文中，我们比较了一些中间体分区的撒丁岛的工人和学生的社区的模式，通过应用分组方法的基础上表征撒丁岛通勤者的系统作为一个复杂的加权网络。我们采用了一种算法的基础上，这个网络的加权模块化的最大化，以检测生产流域组成的市政当局表现出一定程度的凝聚力的通勤流量。获得的结果导致得出结论，在撒丁岛的新省份似乎已经设计-即使是无意识的-劳动力盆地的城市具有类似的通勤行为。
2011-03-12 cs.SI physics.soc-ph
Effective Community Search on Large Attributed Bipartite Graphs
二部图上的社区搜索最近引起了极大的兴趣。在电子商务中的用户-项目二部图、电影评分网站中的客户-电影二部图等应用中，节点往往具有属性，而以往的二部图社区搜索算法忽略了属性，使得返回的结果与节点属性的内聚性较差。本文研究了属性二部图上的社团搜索问题。给定一个查询顶点q，我们的目标是找到$G$的属性$\left(α,β\right)$ -社区，其中社区的结构内聚性由$\left(α,β\right)$ -核心模型描述，子图中两组节点的属性相似性最大化.为了从二分图中检索属性社区，我们首先提出了一个基本算法，该算法包括两个步骤：候选关键字集的生成和验证，然后提出了两个改进的查询算法Inc和Dec。Inc算法，然后采用不同的候选关键词集生成方法和验证顺序，提出了Dec算法。在八个大型图上评估了我们的解决方案后，实验结果表明，我们的方法在二分图上查询属性社区是有效的。
2023-03-01 cs.DB cs.SI
GCLS$^2$: Towards Efficient Community Detection Using Graph Contrastive Learning with Structure Semantics
针对现有基于图对比学习的社区检测方法忽略社区结构语义的问题，提出GCLS²框架，通过提取结构视图、设计语义表达模块及结构对比损失优化表示，并结合HGP算法适应大规模网络，实验证明其性能优于九种先进方法。
2024-12-02 cs.DB cs.SI
Reliable Community Search in Dynamic Networks
搜索本地社区是一个重要的研究问题，支持先进的数据分析，在各种复杂的网络，如社交网络，协作网络，蜂窝网络等，随着时间的推移，这种网络的演变，激发了一些最近的研究，以确定本地社区的动态网络。然而，这些研究仅仅利用不相交的结构信息的聚集来衡量社区的质量，而忽略了社区在连续时间段内的可靠性。为了填补这一研究空白，本文提出了一种新的加权动态网络中的$(θ,k)$可靠社区（CRC）模型，并定义了\textit{most reliable community search}问题，该问题耦合了连接强度、内聚结构连续性和最大成员参与度等期望性质.为了解决这个问题，我们首先开发了一种新的边缘过滤的基础上在线CRC搜索算法，可以有效地过滤掉琐碎的边缘信息，从网络中，同时搜索一个\textit{reliable}社区。此外，我们提出了一个索引结构，加权核心森林索引（WCF索引），并设计了一个基于索引的动态规划CRC搜索算法，可以修剪大量的无关紧要的中间结果，并支持高效的查询处理。最后，我们进行了广泛的实验，系统地证明了我们提出的算法的效率和有效性的八个真实的数据集在不同的实验设置。
2022-10-18 cs.DB cs.SI
Comprehensive, Efficient Large-Scale Community Detection via Structural Entropy Game
Kunming University of Science and Technology（昆明理工大学）；Yunnan Key Laboratory of Artificial Intelligence（云南省人工智能重点实验室）；Beihang University（北京航空航天大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
该研究针对大规模网络社区检测难题，提出CoDeSEG算法，通过在潜在博弈框架内最小化二维结构熵识别社区，引入基于结构熵的节点重叠启发式方法及自适应社区更新策略，在多项社区检测任务中性能达最优，检测效率显著提升。
2026-07-17 cs.SI
Community Detection using Fortunato's Performance Measure
本文研究无权无向网络的社区发现，基于 Fortunato 的 fp 性能测度提出双层迭代贪心算法 fpGreed 及面向大规模数据的快速启发式算法 fastFp，并在多个数据集上验证其质量与效率。
2025-08-31 cs.SI
Infinite Edge Partition Models for Overlapping Community Detection and Link Prediction
提出了一种层次伽玛过程无限边划分模型，用于分解Bernoulli-Poisson链接下的无权无向关系网络的二元邻接矩阵。该模型描述了同伦和随机等价，并可扩展到大型稀疏网络的计算集中在对连接的节点。它不仅可以发现重叠社区和社区间的交互，还可以预测缺失的边缘。还提供了一个省略社区间互动的简化版本，我们揭示了它与现有模型的有趣联系。社区的数量是自动推断在一个非参数贝叶斯的方式，并通过吉布斯抽样使用新的数据增强技术推导出有效的推理。在四个真实网络上的实验结果证明了模型的可扩展性和最先进的性能。
2015-12-30 cs.SI stat.ML
Voting Behavior, Coalitions and Government Strength through a Complex Network Analysis
我们从议员的投票行为分析议员之间的关系网络。特别是，我们研究的新兴社区结构的政治联盟和政府联盟。我们依靠复杂网络文献中开发的工具来探索这些社区的核心，并使用它们的拓扑特征来开发政党极化，内部联盟凝聚力和政府实力的新指标。作为一个案例研究，我们专注于众议院的意大利议会，我们能够描述的异质性的执政联盟，以及政党的具体贡献，随着时间的推移，政府的稳定性。我们在政治辩论中发现了鲜明的对比，令人惊讶的是，这并不意味着建立在既定政党基础上的相关结构。我们更仔细地研究了政党分裂后社区结构的变化及其对社区内单一代表地位的影响。最后，我们介绍了一种方法来跟踪政府联盟的稳定性，随着时间的推移，能够辨别每个成员的贡献，以及其可能的叛逃的影响。虽然我们的案例研究依赖于意大利议会，其相关性在目前的经济衰退中已经成为国际关注的焦点，但这里开发的方法是完全通用的，因此可以应用于许多其他场景。
2014-07-03 cs.SI physics.data-an physics.soc-ph
A General Method to Find Highly Coordinating Communities in Social Media through Inferred Interaction Links
政治错误信息，astroturfing和有组织的拖钓是具有重大现实世界影响的在线恶意行为。许多以前研究这些现象的方法都侧重于广泛的运动，而不是负责煽动或维持这些运动的小团体。为了揭示潜在的（即，隐藏）网络的合作帐户，我们提出了一种新的时间窗口的方法，依赖于帐户的交互和元数据单独。它检测参与各种行为的帐户组，这些行为一致地执行不同的基于目标的策略，其中一些我们描述。该方法依赖于从社交媒体帖子中提取相关元素的管道，基于与协调策略匹配的标准推断帐户之间的连接，以构建无向加权帐户网络，然后使用新的社区提取方法挖掘具有高水平协调证据的社区。我们解决的时间方面的数据，通过使用窗口机制，这可能是适合于近实时应用。我们进一步强调了跨多个窗口的滑动框架的一致协调以及衰减因子的应用。我们的方法与其他最近类似的处理方法和社区发现方法进行了比较，并验证了对两个相关的数据集与地面真相数据，使用内容，时间，和网络分析，以及与设计，训练和应用的三个一类分类器建立使用地面真相，其效用进一步证明在两个案例研究有争议的在线讨论。
2021-03-05 cs.CY cs.SI
