Are All Successful Communities Alike? Characterizing and Predicting the Success of Online Communities
在线社区的激增为研究解释群体成功的机制创造了令人兴奋的机会。虽然越来越多的研究通过一个单一的措施来调查社区的成功-通常是成员的数量-我们认为有多种方法来衡量成功。在这里，我们提出了一个系统的研究，以了解这些成功的定义之间的关系，并测试如何以及他们可以预测的基础上，从社区的生命周期的最早期的社区属性和行为。我们确定了四个成功的措施，是可取的大多数社区：（一）成员数量的增长;（二）保留成员;（三）社区的长期生存;（四）量的社区内的活动。令人惊讶的是，我们发现，我们的措施并没有表现出非常高的相关性，这表明他们捕捉不同类型的成功。此外，我们发现，不同的成功措施预测的不同属性的在线社区，这表明成功可以通过不同的行为。我们的工作揭示了对在线社区中成功代表什么以及预测成功的基本理解。我们的结果表明，成功是多方面的，无法通过单一测量来衡量或预测。这一见解对创建新的在线社区和设计促进此类社区的平台具有实际意义。
2019-03-18 cs.CY cs.SI
Characterizing COVID-19 Misinformation Communities Using a Novel Twitter Dataset
Carnegie Mellon University（卡内基梅隆大学）
从阴谋论到假治愈和假治疗，COVID-19已经成为网上传播错误信息的温床。现在比以往任何时候都更重要的是找出揭穿和纠正网上虚假信息的方法。在本文中，我们提出了一种方法和分析来描述两种相互竞争的COVID-19错误信息在线社区：（i）错误信息的用户或积极发布错误信息的用户，以及（ii）知情用户或积极传播真实信息或发出错误信息的用户。这项研究的目标有两个方面：（i）收集一组不同的带注释的COVID-19推特数据集，可供研究界用于进行有意义的分析;（ii）根据网络结构、语言模式及其在其他社区中的成员身份来描述两个目标社区。我们的分析显示，COVID-19误导社区比知情社区更密集，更有组织，大量错误信息可能是虚假信息活动的一部分。我们的分析还表明，绝大多数被误导的用户可能是反vaxxers的。最后，我们的社会语言学分析表明，了解COVID-19的用户倾向于使用更多的叙述，而不是误导用户。
2020-09-19 cs.CL cs.SI
On the Role of Social Identity and Cohesion in Characterizing Online Social Communities
解释社会群体或社区结构的两种流行理论是凝聚力和身份。社会凝聚力方法假定，社会群体是由具有相互吸引力的个人聚集而成的，因为他们具有共同的特征。这些特征可以从共同利益到亲属关系，从社会价值观到种族背景。与此相反，社会认同的方法假设，一个人很可能加入一个群体的基础上内在的自我评价在认知或感知水平。换句话说，组成员通常共享共同类别成员的意识。在这项工作中，我们试图了解这两个对比的理论在解释Twitter中的社会社区的行为和稳定性的作用。我们工作的一个具体重点是理解这些理论在不同背景下的作用，从灾害应对到社会政治行动。我们提取了五个真实世界事件的大规模数据集的社会认同和社会凝聚力特征，并研究了这些特征在捕捉行为特征和群体稳定性方面的有效性。我们还提出了一种新的措施，社会群体的可持续性的基础上，在小组讨论的分歧。我们的主要发现是：1）群体成员之间的社会身份（特别是物理位置）共享对群体可持续性有积极影响，2）结构凝聚力（由高群体密度和低平均最短路径长度表示）是群体可持续性的强有力指标，3）事件特征在塑造群体可持续性方面发挥作用，因为社会群体在短暂事件中的行为与持续时间较长的事件中的行为不同。
2012-12-01 cs.SI physics.soc-ph
Characterizing Sociolinguistic Variation in the Competing Vaccination Communities
Engineering and Public Policy, Carnegie Mellon University（卡内基梅隆大学工程与公共政策学院）
公共卫生从业者和政策制定者努力应对设计有效的基于信息的干预措施的挑战，以揭穿网络社区中的公共卫生错误信息。信息的“框架化”和“个性化”是设计有说服力的信息策略的关键特征之一。为了有效的健康传播，必须注重“基于偏好的框架”，其中考虑到目标亚社区的偏好。为了实现这一目标，重要的是要了解并因此根据其社会互动来描述目标亚社区的特征。在与健康有关的错误信息的背景下，疫苗接种仍然是最普遍的不和谐话题。因此，在本文中，我们对Twitter上两个相互竞争的疫苗接种社区进行了社会语言学分析：“亲疫苗接种者”或相信疫苗接种有效性的个人，以及“反疫苗接种者”或反对疫苗接种的个人。我们的数据分析表明，两个社区之间的语言差异显着的语言强化，代词和不确定词的使用。我们的网络水平的分析表明，两个社区之间的网络密度，回声室，和EI指数的显着差异。我们假设，这些社会语言学的差异可以被用来作为代理的特点和理解这些社区，以设计更好的信息干预。
2020-10-04 cs.CL cs.SI
"This is why we play": Characterizing Online Fan Communities of the NBA Teams
职业体育已成为人们现代生活的重要组成部分。人们花费大量的时间和金钱来支持他们最喜欢的球员和球队，有时甚至在比赛结束后发生骚乱。然而，团队表现如何影响球迷行为仍然在大规模研究。由于几乎每个著名的专业团队都有自己的在线粉丝社区，这些社区为研究这个研究问题提供了很好的机会。在这项工作中，我们提供了第一个大规模的专业运动队的在线球迷社区的特征。由于这些在线粉丝社区中的用户行为与比赛事件和球队表现有着内在的联系，因此我们构建了一个独特的数据集，该数据集将Reddit上NBA相关社区中的150万帖子和4300万评论与记录NBA球队表现的统计数据相结合。我们分析了球队表现对球迷行为的影响，无论是在比赛水平和赛季水平。首先，我们研究团队在游戏中的表现如何与游戏中的用户活动有关。我们发现，惊喜发挥了重要作用：顶级球队的球迷更积极，当他们的球队输了，所以是一个意想不到的胜利的底部球队的球迷。其次，我们研究了连续几个赛季的球迷行为，结果表明，球队表现出色与球迷忠诚度低有关，这可能是由于“跟风球迷”。“垫底球队的球迷倾向于讨论他们球队的未来，比如名单上的年轻天才，这可能有助于他们在逆境中保持乐观。”我们的研究结果不仅有助于理解在线体育社区和离线环境之间的相互作用，而且还为体育管理提供了重要的见解。
2018-09-06 cs.SI
Characterizing Community Formation in Response to Extreme Weather Events through Human Mobility Networks
本文研究2021年冬季风暴Uri引发的有序停电背景下德克萨斯州哈里斯县人类移动网络的社区形成，分析其灾害暴露异质性等特征，发现社区空间共存等规律，为电力公司停电管理提供参考。
2025-08-19 cs.CY cs.SI physics.soc-ph
Query Driven-Graph Neural Networks for Community Search: From Non-Attributed, Attributed, to Interactive Attributed
The Chinese University of Hong Kong（香港中文大学）；Tencent AI Lab（腾讯人工智能实验室）；Hong Kong Baptist University（香港浸会大学）
给定一个或多个查询顶点，社区搜索（CS）的目标是找到密集的内部连接和松散的内部连接的结构包含查询顶点。属性社区搜索（ACS），一个相关的问题，是更具挑战性的，因为它发现社区的凝聚力结构和同质顶点属性。然而，CS任务的大多数方法依赖于不灵活的预定义的结构和研究ACS独立对待每个属性。此外，最流行的ACS策略将ACS分解为两个单独的子问题，即，CS任务和后续属性筛选任务。然而，在现实世界的图，社区结构和顶点属性是密切相关的。这种相关性对于ACS问题至关重要。在本文中，我们提出了用于CS和ACS问题的图神经网络模型，即，查询驱动GNN和属性查询驱动GNN。在QD-GNN中，我们结合了局部查询依赖结构和全局图嵌入。为了扩展QD-GNN来处理属性，我们将顶点属性建模为二分图，并通过在该二分图上构造GNN来捕获属性之间的关系。通过特征融合算子，AQD-GNN同时处理结构和属性，并根据每个属性查询预测社区。在真实图和真实社区上的实验表明，所提出的模型在效率和有效性方面优于现有的CS和ACS算法。最近，提出了一种用于CS的交互式设置，允许用户调整预测的社区。我们进一步验证了我们的方法下的互动设置和扩展到属性上下文。我们的方法实现了2.37%和6.29%的F1分数分别比最先进的模型没有属性和属性。
2022-03-23 cs.DB cs.LG cs.SI
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
Breaking the Communities: Characterizing community changing users using text mining and graph machine learning on Twitter
Universidad de Buenos Aires（布宜诺斯艾利斯大学）；CONICET（阿根廷国家科学与技术研究理事会）；Instituto de Física de Buenos Aires（布宜诺斯艾利斯物理研究所）
尽管互联网和社交媒体增加了人们可以消费的新闻和信息量，但大多数用户只接触到强化其立场并将其与其他意识形态群体隔离开来的内容。这种环境对我们的生活产生了重大影响，如严重的政治两极分化，假新闻容易传播，政治极端主义，仇恨团体以及缺乏丰富的辩论等。因此，鼓励不同用户群体之间的对话，打破封闭的社区，对健康的社会至关重要。在本文中，我们使用自然语言处理技术和图形机器学习算法来描述和研究在Twitter上打破社区的用户。特别是，我们从150万用户那里收集了900万条Twitter消息，并构建了转发网络。我们确定了他们的社区和与他们相关的讨论主题。有了这些数据，我们提出了一个用于社交媒体用户分类的机器学习框架，该框架检测“社区破坏者”，即从封闭社区转向另一个社区的用户。对三个Twitter极化政治数据集的特征重要性分析表明，这些用户的PageRank值较低，这表明这些变化是由于他们的消息在社区中没有响应而引起的。这种方法还使我们能够确定他们感兴趣的特定主题，为这类用户提供全面的特征。
2021-12-20 cs.LG cs.SI
Jump on the Bandwagon? -- Characterizing Bandwagon Phenomenon in Online NBA Fan Communities
了解在线社区中的用户动态已经成为一个活跃的研究课题，可以为人类行为分析和社区管理提供有价值的见解。在这项工作中，我们调查的“潮流球迷”的现象，一个特殊的情况下，用户动态，提供一个大规模的表征在线球迷的忠诚度的背景下，专业运动队。我们利用Reddit上与NBA相关的讨论论坛的现有结构，调查一般的潮流模式，并跟踪潮流粉丝的行为，以捕捉潜在的行为特征。我们观察到，更好的球队吸引更多的追随者，但他们不一定来自弱队。随着季后赛的进行，我们对球迷流动的分析也显示了不同球队的不同趋势。此外，我们比较了流行用户和非流行用户在他们的活动和语言使用。我们发现，赶时髦的用户写更短的评论，但收到更好的反馈，并使用的话，显示较少的附件，他们的附属团队。我们的观察允许更有效地识别潮流用户和预测用户的未来潮流行为在一个季节，在我们的评估结果中的基线方法的显着改善所示。
2021-04-17 cs.CY cs.SI
Characterizing Nodes and Edges in Dynamic Attributed Networks: A Social-based Approach
如何基于社会方面来刻画动态属性网络中的节点和边？我们解决这个问题，探索演员和他们的相关属性随着时间的推移之间的联系的强度，从而捕捉演员的社会角色和他们在不同的社会网络场景中的动态互动的意义。为此，我们应用社会概念，以促进更好地理解涉及行为者及其社会动机的潜在复杂性。更具体地说，我们探讨的概念，社会资本的战略定位的一个特定的演员在社会结构的经纪人的概念，创造桥梁的能力与多样化的模式，和封闭，聚合节点的能力与类似的模式。因此，我们揭示了不同的学术合作网络和问答社区的社会互动的差异。我们还统计验证我们的社会定义考虑的重要性，节点和边缘的社会结构，通过网络属性。
2022-07-14 cs.SI
Characterizing Communities of Hashtag Usage on Twitter During the 2020 COVID-19 Pandemic by Multi-view Clustering
2019冠状病毒病大流行在社交媒体网站上引发了一系列在线活动。因此，分析COVID-19疫情期间的社交媒体数据可对讨论话题以及该等话题在疫情期间如何演变产生独特见解。在这项研究中，我们建议通过聚类标签来分析Twitter上的讨论主题。为了获得高质量的集群的Twitter标签，我们还提出了一种新的多视图聚类技术，采用多种不同的数据类型，可用于描述用户如何与标签交互。我们的多视图聚类结果显示，COVID-19推特讨论中存在明显的时间和主题趋势。特别是，我们发现，一些主题标签的集群在大流行的过程中发生变化，而另一些则始终存在，并且标签的使用有明显的时间趋势。这项研究是第一次使用多视图聚类来分析标签，也是第一次分析COVID-19大流行期间在线讨论的更大趋势。
2020-08-03 cs.HC cs.SI
Ties That Bind - Characterizing Classes by Attributes and Social Ties
给定一组已知属于不同类的属性子图，我们如何发现它们的差异？在许多情况下，子图的集合可以相互对比。例如，它们可以被分配地面实况标签（垃圾邮件/非垃圾邮件），或者可能期望直接比较不同物种的生物网络或不同化学物质的化合物网络。在这项工作中，我们引入的问题，属于不同类别的属性子图之间的差异特征。我们定义这个特征化问题为一个分区的属性到尽可能多的组的类的数量，同时最大限度地提高所有给定的子图的总属性质量得分。我们证明了我们的属性到类的分配问题是NP难的，存在一个最佳的$(1 - 1/e)$ -近似算法。我们还提出了两种不同的更快的算法，它们在属性和子图的数量上是线性时间的。与以前只考虑属性进行表征的工作不同，在这里，我们利用属性和社会关系（即图结构）。通过大量的实验，我们比较了我们提出的算法，显示了与人类直觉一致的结果，这些结果来自亚马逊合作购买，国会法案审查和DBLP合作作者的数据集。我们还表明，我们的方法的特征子图是更好地适用于意义的区分分类方法。
2017-01-31 cs.IR cs.SI physics.soc-ph
Characterizing Social Imaginaries and Self-Disclosures of Dissonance in Online Conspiracy Discussion Communities
University of Washington（华盛顿大学）；GESIS（莱布尼茨社会科学研究所）
在线讨论平台提供了一个论坛，以加强和宣传对误导阴谋论的信念。然而，它们也为阴谋论者提供了表达他们的怀疑和认知失调经验的途径。这种不和谐的表达可能会揭示谁放弃了被误导的信念，以及在什么情况下。QAnon是一个由神秘的领导者Q发起并由其追随者推广的阴谋论，是阴谋论的一个分支。为了理解阴谋社区中的不和谐和怀疑意味着什么，我们首先描述他们的社会想象力，即对人们如何集体想象他们的社会存在的广泛理解。关注来自两个图像板4chan和8chan的2K帖子，以及来自12个致力于QAnon的subreddits的120万评论和帖子，我们采用混合方法来揭示代表QAnon社区的运动，期望，实践，英雄和敌人的符号语言。我们使用这些社会概念来创建一个计算框架，用于区分关于QAnon的一般讨论中的信念和不和谐。此外，通过分析用户对QAnon阴谋子帖子的参与度，我们发现，自我披露的不和谐与用户贡献的显著减少相关，并最终与他们离开社区相关。我们提供了一个计算框架，用于识别不和谐的自我披露和测量用户参与度的变化。我们的工作可以为设计基于不和谐的干预措施提供见解，这些干预措施可能会阻止阴谋论者参与在线阴谋讨论社区。
2021-07-21 cs.CL cs.CY cs.HC
Jump off the Bandwagon? Characterizing Bandwagon Fans' Future Loyalty in Online NBA Fan Communities
本文基于Reddit NBA论坛数据，刻画跟风球迷的长期忠诚行为，发现跟风多为暂时转换，并提出基于活动、语言和回复网络特征的模型预测其下赛季忠诚状态。
2024-01-21 cs.CY cs.SI
Characterizing User Behavior and Information Propagation on a Social Multimedia Network
越来越多的现代社交活动通过在线社交网络进行。这些社区的成员通常扮演着不同的角色，可以从对用户在线活动的观察中推断出来。其中一个活动是共享多媒体，其普及程度可能会有很大的不同。在这里，我们讨论了我们对来自同意的Facebook用户的匿名数据的初步分析，以及相关的人口统计和心理特征。我们提出了五个集群的用户共同观察到的在线行为，这些用户也表现出相关的个人资料特征。最后，我们确定了一些最流行的多媒体内容的共同属性。
2013-05-08 cs.SI physics.soc-ph
Party Comrades and Constituency Buddies: Determinants of Private Initiative Cosponsor Networks in a Parliamentary Multiparty System
我们从欧洲议会多党的角度研究议员（MP）私人倡议（法案）共同发起模式。通过应用网络检测算法，我们着手寻找共同赞助模式的决定因素。该算法检测主动网络的核心社区，然后可以分析表征核心社区的变量。我们发现立法网络社区的最佳特征是议员的党派关系。预算动议网络，约占数据的一半，被发现主要是由议员的家庭选区，只有在有限的程度上由议员的党派关系。与以前关于某些总统制度的调查结果相比，议员委员会的分配或性别被发现无关紧要。
2016-12-20 cs.SI physics.soc-ph
Triadic closure as a basic generating mechanism of communities in complex networks
大多数复杂的社会、技术和生物网络都具有重要的社区结构。因此，复杂网络的社区结构必须被认为是一个普遍的属性，以及这些网络的小世界和无标度属性。尽管在描述真实网络的社区结构方面有很大的兴趣，但没有足够的注意力用于检测能够自发生成社区网络的通用机制。三元闭合是建立新联系的自然机制，特别是在社交网络中。在这里，我们表明，基于简单的三元封闭的网络增长模型自然会导致社区结构的出现，以及节点度的厚尾分布，高聚类系数。社区从最初的随机异质性的链接集中出现，随后是一个周期的增长和分裂。社区是更明显的，稀疏的图，并在连接过程中的链接密度和随机性的高值消失。通过引入一个基于适应度的链接吸引的节点，我们发现了一个新的相变，社区消失的适应度分布的高度异质性，但一个新的介观组织的节点出现，与几个超级枢纽之间共享的节点组，吸引了系统的大部分链接。
2014-12-01 cs.SI physics.soc-ph
Keyword Aware Influential Community Search in Large Attributed Graphs
BUET（孟加拉国工程技术大学）；Swinburne University of Technology（斯威本科技大学）；Melbourne University（墨尔本大学）
我们介绍了一种新的关键字感知的有影响力的社区查询KICQ，发现最有影响力的社区从属性图，其中一个有影响力的社区被定义为一个紧密连接的顶点组，具有一定的优势，超过其他组的顶点与专业知识（一组关键字）匹配的查询条件（单词或短语）。我们首先设计的KICQ，方便用户发出一个有影响力的CS查询直观地使用一组查询条件，和谓词（与或）。在这种情况下，我们提出了一种新的基于词嵌入的相似度模型，使语义社区搜索，这大大扩展了精确的关键字为基础的社区搜索的局限性。接下来，我们提出了一个新的社区的影响力的措施，考虑了社区的凝聚力和影响力，并消除了需要指定的网络的内部参数的值。最后，我们提出了两个有效的算法搜索有影响力的社区在大型属性图。我们提出了详细的实验和案例研究，以证明所提出的方法的有效性和效率。
2019-12-04 cs.CL cs.SI
Multi-attributed Community Search in Road-social Networks
给定一个基于位置的社交网络，如何根据用户的偏好找到与查询用户高度相关且在多个属性中得分最高的社区？通常，面对这样的问题设置，我们可以将网络建模为多属性道路社交网络，其中每个用户都与位置信息和$d$（$\geq\! 1$）数值属性相关联。在实践中，用户偏好（即，权重）通常固有地是不确定的，并且只能以有限的精度来估计，因为人类用户不能以绝对精度指定精确值。受此启发，我们引入了一个规范的社区模型，适用于多标准决策，称为多属性社区（MAC），基于$k$核心的概念和一个新的优势关系的具体偏好。给定不确定的用户偏好，即权重的近似表示，MAC搜索报告每个可能的权重设置的确切社区。我们设计了一个优雅的索引结构，以保持优势关系，基于此两个算法开发，以有效地计算顶部的$j$ MAC。我们的算法和MAC模型的有效性的效率和可扩展性证明了广泛的实验在现实世界和合成的道路社会网络。
2021-02-21 cs.DB cs.SI
Modularity aided consistent attributed graph clustering via coarsening
Indian Institute of Technology, Delhi（印度理工学院德里分校）
针对图聚类难以准确捕捉社区结构、计算低效及难识别小社区的问题，提出整合粗化与模块度最大化方法，设计含对数行列式等分量的损失函数，理论与实验均证明其性能优于现有方法。
2024-11-17 cs.LG cs.SI stat.ML
Triangle-oriented Community Detection considering Node Features and Network Topology
在属性网络中，联合使用节点特征和网络拓扑来发现社区被称为社区发现。沿着这条线的大多数现有的工作已经通过目标函数优化进行，并提出了许多方法。然而，他们往往只关注低阶细节，即，从节点和边的角度捕捉节点特征和网络拓扑，单纯追求更高的优化度来保证所发现的社区质量，加剧了社区的不平衡和搭便车效应。为了进一步阐明和揭示网络的内在本质，我们进行三角形的社区发现考虑节点特征和网络拓扑结构。具体来说，我们首先引入一个基于三角形的质量度量，以保持节点特征和网络拓扑的高阶细节，然后制定所谓的两级约束，以编码节点特征和网络拓扑的低阶细节。最后，我们开发了一个本地搜索框架的基础上优化我们的目标函数，包括建议的质量指标和两级约束，以实现非重叠和重叠的社区发现属性网络。大量的实验表明，我们的框架的有效性和效率，并在减轻不平衡的社区和搭便车效应的潜力。
2022-07-11 cs.SI
Using link and content over time for embedding generation in Dynamic Attributed Networks
IBM Research（IBM研究院）；University of São Paulo（圣保罗大学）
在这项工作中，我们考虑的问题相结合的链接，内容和时间分析的社区发现和预测在不断发展的网络。这种时间和内容丰富的网络出现在许多现实生活中，如书目网络和问答论坛。文献中的大多数工作（使用内容和结构）都涉及网络的静态快照，它们不能反映多个快照中发生的动态变化。将社区中的动态变化纳入分析还可以提供有关网络中变化的有用见解，例如作者跨社区的迁移。在这项工作中，我们提出了Chimera，一个共享的因子分解模型，可以同时考虑图链接，内容和时间分析。这种方法的工作原理是以多维形式提取网络的潜在语义结构，但在某种程度上考虑了这些嵌入的时间连续性。这种方法通过使用嵌入作为代理简化了底层网络的时间分析。这种简化的结果是，也可以使用这种嵌入的时间序列来预测未来的社区。我们目前的实验结果说明该方法的有效性。
2019-11-22 cs.LG cs.SI stat.ML
A Generative Model for Exploring Structure Regularities in Attributed Networks
许多现实世界的网络被称为属性网络，包含两种类型的信息：拓扑信息和节点属性。如何利用这两类信息来探索结构性语义是一个具有挑战性的课题。本文通过刻画链路社区与节点属性之间的潜在关系，提出了一种生成链路拓扑和节点属性的原则性统计模型PSB_PG。该模型基于泊松分布的随机块模型。因此，它能够检测广泛的网络结构，包括社区结构，二分结构和其他混合结构。用于生成节点属性的模型假设节点属性是高维和稀疏的，并且也遵循泊松分布。这使得模型是一致的，模型参数可以直接估计的期望最大化（EM）算法。在人工网络和包含多种结构的真实网络上的实验结果表明，PSB_PG模型不仅具有与现有模型的竞争力，而且通过学习社区与其相关属性之间的关系，为每个社区提供了良好的语义解释.
2019-01-25 cs.SI physics.soc-ph
Determining the Number of Communities in Sparse and Imbalanced Settings
本文针对稀疏和不平衡网络中社区数量K难以估计的问题，提出一种基于中心化非回溯算子的谱方法，利用最大特征值进行拟合优度检验，有效克服弱信号和度数不平衡挑战。
2024-06-06 cs.SI physics.soc-ph stat.ME
UCoDe: Unified Community Detection with Graph Convolutional Networks
本文提出 UCoDe，利用图卷积网络和宏观节点相似性对比损失，在属性图中统一完成重叠与非重叠社区检测，并在真实数据上取得稳定领先性能。
2023-11-02 cs.SI
Attributed Network Embedding Model for Exposing COVID-19 Spread Trajectory Archetypes
Texas A&M University（德克萨斯农工大学）；Princeton University（普林斯顿大学）；Clemson University（克莱姆森大学）
COVID-19的传播表明，不同城市和社区的传播风险模式并不相同，各种异质特征可能影响传播轨迹。因此，对于预测性大流行监测，必须探索城市和社区中区分其特定大流行传播轨迹的潜在异质特征。为此，本研究创建了一个网络嵌入模型，捕获跨县的访问网络，以及异构功能，以揭示集群的县在美国的基础上，他们的流行病传播的传播轨迹。我们从2020年3月3日至6月29日（第一波）收集并计算了2，787个县的位置情报特征。其次，我们构建了一个人的访问网络，其中包括县的功能作为节点属性，县之间的访问作为网络的边缘。我们的归因网络嵌入方法整合了跨县访问网络的类型学特征，以及异质性特征。我们对属性网络嵌入进行聚类分析，以揭示对应于四个县群的四种扩散风险轨迹原型。随后，我们确定了四个特征作为原型之间独特的传播风险模式的重要特征。归因网络嵌入方法和研究结果识别并解释了预测性大流行监测的跨县非同质大流行风险轨迹。该研究还有助于数据驱动和基于深度学习的流行病分析方法，以补充流行病政策分析的标准流行病学模型。
2022-09-21 cs.CY cs.LG cs.SI
A density-based framework for community detection in attributed networks
University of Trieste（的里雅斯特大学）；University College Dublin（都柏林大学学院）
本文提出AttDeCoDe，一种基于属性的密度社区检测框架，用于分析节点特征在群体形成中起核心作用的网络，通过属性空间估计密度以捕捉同质性驱动的聚集并保持结构性连接约束。
2025-12-30 cs.SI stat.AP
A Novel Information Workflow for Structural Behavioural Analysis in Dynamic Attributed Graphs
School of Computer and Information Sciences, University of Hyderabad（海得拉巴大学计算机与信息科学学院）
该研究针对属性图的链接预测与社区检测难题，提出inc-LPCDAG工作流，实验验证其可有效分析动态属性图的结构与行为过程。
2026-09-03 cs.SI
#anorexia, #anarexia, #anarexyia: Characterizing Online Community Practices with Orthographic Variation
Georgia Institute of Technology（佐治亚理工学院）
独特的语言实践有助于社区建立团结，并使自己有别于外人。在在线社区中，一种这样的做法是拼写的变化，包括拼写，标点符号和大写。使用超过200万个Instagram帖子的数据集，我们调查了一个共享亲饮食失调（pro-ED）内容的社区中的正字法变化。我们发现，随着时间的推移，拼写变化不仅越来越频繁，而且变得更加深刻或深刻，变体与原始拼写越来越疏远：例如，#anarexyia比#anarexia与原始拼写#anorexia更遥远。这些变化是由新来者推动的，他们在进入社区时采用了最极端的语言实践。此外，这种行为与参与度相关：采用更深的正字法变体的新人往往在社区中保持更长的活跃时间，并且包含更深变体的帖子以“喜欢”的形式获得更多积极的反馈。“以前的工作已经将社区成员的变化与语言的变化联系起来，我们的工作将这种联系置于一个新的角度，新来者推动了不断发展的实践，而不是适应它。我们还展示了正字法变化作为研究在线社区社会语言变化的新镜头的效用，特别是当变化是由外部力量（如内容禁令）引起的时候。
2017-12-04 cs.CL cs.SI
The Interplay Between Dynamics and Networks: Centrality, Communities, and Cheeger Inequality
我们研究一个动态的过程和网络的结构之间的相互作用，它被定义。具体来说，我们研究这种相互作用的影响，网络集群和节点中心的质量测量。这使我们能够有效地识别网络社区和参与动态的重要节点。作为实现这一目标的第一步，我们引入了一个伞形框架，用于定义和表征网络上的动态过程的集合。该框架将传统的Laplacian框架推广到连续时间有偏随机游动，并允许我们在网络上模拟一些流行病过程。对于我们框架中的每个动态过程，我们可以定义一个函数来度量每个节点子集的质量，作为给定网络上该过程的潜在集群（或社区）。该子集质量函数推广了传统的图划分电导测度。我们部分证明了我们的选择的质量函数的经典Cheeger的不等式，它涉及的网络中的最佳集群的电导与其拉普拉斯矩阵的谱量，可以从拉普拉斯电导设置扩展到这个更一般的设置。
2015-03-26 cs.DM cs.SI physics.soc-ph
Unveiling Anomalous Edges and Nominal Connectivity of Attributed Networks
University of Minnesota（明尼苏达大学）
发现属性网络中的异常最近越来越受欢迎，因为它在揭示异常值和标记各种数据和网络科学应用中的对抗行为方面非常重要，包括物联网（IoT），金融，安全等。目前的工作涉及发现异常边缘的属性图使用两个不同的配方互补的力量，可以很容易地分布，因此有效的。第一个依赖于将图数据矩阵分解为低秩加稀疏分量，以显着提高性能。第二种方法通过对未扰动图进行鲁棒恢复，扩大了第一种方法的范围，提高了异常识别性能。新的方法不仅捕获连接不同社区节点的异常边缘，而且捕获具有不同特征的任何两个节点之间的虚假连接。在真实数据和合成数据上进行的实验证实了这两种方法在异常识别任务中的有效性。
2021-04-17 cs.AI cs.SI eess.SP
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
AI Rules? Characterizing Reddit Community Policies Towards AI-Generated Content
通过分析超30万个subreddit的社区规则，发现AI相关规则在一年内翻倍，多见于大型、艺术或名人社区，主要关注图像质量与真实性，为平台设计与社区自治提供参考。
2025-03-16 cs.CY cs.SI
The Interhospital Transfer Network for Very Low Birth Weight Infants in the United States
极低出生体重儿（VLBW）需要在新生儿重症监护室进行专门护理。在美国，这些婴儿经常在医院之间转移。虽然这些新生儿转运网络在经济上和婴儿发病率和死亡率方面都很重要，但国家一级的新生儿转运模式在很大程度上是未知的。使用佛蒙特牛津网络的数据，从2015年开始，44，753例出生，2，122家医院和9，722例医院间婴儿转移，我们对美国VLBW婴儿的医院间转移网络进行了迄今为止最大的分析。大多数社区往往在不同的州至少有两家医院。为了对这些社区之间的转移模式的结构变化进行分类，我们采用了光谱测量区域化，并发现社区的区域化程度和婴儿转移率之间的关联，这是没有利用在检测社区。我们还证明了网络中心性和层次结构的既定措施，例如，PageRank中的社区范围熵或社区内的介数中心性和不同“层”的数量与我们的区域化指数弱相关，并且与婴儿转移率的指标没有显著相关。我们的研究结果表明，区域化指数捕捉了关于极低出生体重婴儿转移网络结构特性的新信息，具有表征美国新生儿护理的实际意义，并且可以更广泛地应用于在组织复杂的适应系统中集中力量的作用。
2018-07-02 cs.SI physics.soc-ph
Detecting dense communities in large social and information networks with the Core & Peel algorithm
社会网络和信息网络中稠密子图（紧社区）的检测和刻画是社会网络分析中的一个重要探索工具。已经提出了几种方法，或者（i）将整个网络划分为集群，即使在低密度区域，或者（ii）旨在找到单个分布式社区（并且需要迭代以找到下一个）。随着社交网络变得越来越大，方法（i）和（ii）导致算法太慢而不实用，特别是当需要分析数据的速度时。在本文中，我们提出了一种方法，旨在平衡效率的计算和表达能力和输出社区表示。我们定义了图的部分稠密覆盖（PDC）的概念。图的PDC是一组节点的集合，（a）每个集合形成一个不相交的稠密导出子图，（b）它的去除留下没有稠密区域的剩余图。PDC的精确计算是一个NP完全问题，因此，我们提出了一个有效的启发式算法来计算一个PDC，我们命名为核心和剥离。此外，我们提出了一种新的基准测试技术，使我们能够评估算法计算PDC使用经典的IR概念的精度和召回，即使没有一个黄金标准。在斯坦福大学大型网络数据集的25个社交和技术网络上进行的测试证实，Core和Peel是有效的，并且达到了非常高的精确度和召回率。
2012-10-11 cs.DS cs.SI physics.soc-ph
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
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
Characterising Communities of Twitter Users Who Posted Vaccines Related Tweets by Information Sources
目的：我们形成了基于网页可信度的社区结构，并测量了用于表征发布与疫苗相关推文的推文用户社区的信息类型。方法：我们只对有关疫苗的Twitter数据（tweets）进行了实验。数据汇集的持续时间为2017年1月17日至2018年3月14日。我们基于关于其内容和其驻留的来源的信息来制定集群（即，网站域名）。我们只关注与疫苗有关的话题。为了检测社区的结构和网络，我们将Louvain社区算法与随机游走一起应用于疫苗相关的高音用户，称为信息地图方法。我们根据Twitter用户分享的信息所得出的各种衡量标准来定义社区。基于这些衍生措施的社区表示和可视化有助于公共卫生组织了解拒绝疫苗安全性和有效性的可能原因。为了分析人们对社交媒体的看法，我们下载了6，591，566条推文。我们区分了1，860，662名与疫苗相关的用户。我们应用Louvain社区发现算法以及DMM值，我们发现了192个社区。只要主题数量较少，它也会产生更高的对齐值。随着主题数量的增加，一致性降低。根据推文的特征，将推文分为两部分。第一类包含163，148条（57.16%）推文，这些推文是基于证据和宣传，第二类包含6244条（2.19%）推文，这些推文是基于经验和意见。我们观察到4548名用户发布了关于疫苗的经验推文，其中3449名用户（75.84%）发布了与证据和宣传相关的推文。
2021-03-21 cs.SI
Change Detection in Dynamic Attributed Networks
网络通过将实体抽象为顶点，并将关系抽象为图中连接顶点的边，提供了表示实体之间复杂关系的强大手段。除了关系的存在或不存在之外，网络可以包含可以归因于实体及其关系的附加信息。将这些附加属性数据附加到相应的顶点和边会生成属性图。此外，在大多数现实世界应用中，诸如在线社交网络、金融网络和交易网络，实体之间的关系随着时间而演变。动态属性网络中的变化检测在欺诈检测、网络入侵检测和医疗监控等领域都是一个重要的问题。这是一个具有挑战性的问题，因为它涉及到一个时间序列的属性图，其中每一个通常是非常大的，可以包含许多属性附加到顶点和边，导致一个复杂的，高维的数学对象。在本调查中，我们提供了一些现有的变化检测方法，利用属性信息的概述。我们根据图中用于检测变化的结构级别对这些方法进行分类。这些层次是顶点、边、子图、社区和整个图。我们把注意力集中在这些方法的优点和缺点上，包括性能和可扩展性。最后，我们讨论了一些公开的动态网络数据集，并简要概述了生成合成动态属性网络的模拟模型。
2020-01-14 cs.SI stat.AP
Detecting Core-Periphery Structures by Surprise
检测复杂网络中的中尺度结构的存在是至关重要的。这是尤其如此的金融网络，其结构组织深深地影响他们的弹性事件，如违约级联，冲击传播等，已经提出了几种方法，到目前为止，检测社区，即组节点的连接是显着的大。然而，社区并不代表唯一一种表征真实世界网络的中尺度结构：蝴蝶结结构，核心-外围结构和二分结构提供了其他例子。在这里，我们提出了一种新的方法来检测显著的双模结构，即无论是二分或核心外围的。它是基于一个修改的惊喜，最近提出的检测社区。我们的变体允许双模节点划分被揭示，通过让链接被放置在1）核心部分内以及核心和外围部分之间，或者2）只是在二分网络的（空）层之间。从技术的角度来看，这是通过采用多项式超几何分布而不是传统的（二项式）超几何分布来实现的;在后一种情况下，这允许将p值分配给节点的任何给定（bi）分区。为了说明我们的方法的性能，我们报告了其应用于几个现实世界的网络，包括社会，经济和金融的结果。
2019-04-19 cs.SI physics.soc-ph
What's Kooking? Characterizing India's Emerging Social Network, Koo
社交媒体在短时间内呈指数级增长，成为通信和在线互动的最前沿。尽管增长迅速，但社交媒体平台一直无法扩展到全球不同的语言，许多人仍然无法访问。在本文中，我们将Koo描述为Twitter的印度替代品，Koo是一个多语言微博网站，于2021年流行起来。我们收集了407万用户的数据集，1.6312亿关注者关系，以及他们在12种语言中的内容和活动。我们沿着语言、位置、性别和职业来研究用户人口统计。印度语言在Koo话语中的突出存在表明该平台在促进区域语言方面取得了成功。我们观察到Koo的追随者网络比Twitter的密集得多，由紧密联系的语言社区组成。对Koo上的帖子进行的N-gram分析显示了#KooVsTwitter的修辞，揭示了比较两个平台的辩论。我们的特征突出了多语言社交网络的动态及其多样化的印度用户群。
2022-01-20 cs.SI
Climate change denial and anti-science communities on brazilian Telegram: climate disinformation as a gateway to broader conspiracy networks
该研究通过分析巴西Telegram社群，揭示气候变化否认与反科学阴谋论如何协同形成复杂网络，并发现末日主题、反疫苗讨论及全球统治理论在其中充当关键入口和连接机制。
2024-08-31 cs.CY cs.SI
Characterizing networks of propaganda on Twitter: a case study
社交媒体用户每天都接触到宣传和虚假信息活动，这再次激发了调查社交媒体上不同（错误）信息内容的本地和全球传播模式的必要性。回音室和影响者通常被认为对在线社交网络用户的两极分化以及宣传和虚假信息活动的成功负有责任。本文采用数据驱动的方法来调查Twitter上的社区和宣传网络的结构，以评估这些指责的正确性。特别是，这项工作旨在通过结合三种不同分类方法获得的信息来表征从Twitter数据集中提取的宣传网络，分别侧重于（i）使用推文内容来推断用户围绕特定主题的“极化”，（ii）识别在不同宣传和虚假信息项目的传播中发挥积极作用的用户，以及（iii）分析社会联系以识别拓扑簇和在网络中扮演“中心”角色的用户。这项工作确定了高度党派社区结构沿政治联盟，此外，中心性指标被证明是非常翔实的检测最活跃的用户在网络中，并区分用户扮演不同的角色，最后，极化和聚类结构的转推图提供了有用的见解用户曝光，互动和参与不同的宣传项目的相关属性。
2020-09-23 cs.SI
A Large-Scale Community Structure Analysis In Facebook
理解支配人类现象的社会动力学，如通信和社会关系，是当前计算社会科学的一个主要问题。特别是，鉴于前所未有的成功，在线社交网络（OSN），在本文中，我们关注的是最大的OSN的用户之间发生的聚合模式和社会动态的分析：Facebook。详细地，我们讨论了这个网络的社区结构的中观特征，考虑到社区的角度，这还没有在这样一个大规模的研究。为此，我们获取了包含数百万用户及其社会关系的网络样本;然后，我们揭示了代表用户聚集和交互的聚合单元的社区;最后，我们分析了这样一个社区网络的统计特征，发现并表征了在线社交网络中个体交互所遵循的一些特定组织模式，这是考虑到不同的抽样技术和聚类方法而出现的。这项研究提供了一些线索，个人建立在线社交网络，最终有助于建立一个良好的社会结构的社会互动的趋势，并打开了进一步的社会研究的空间。
2013-06-23 cs.CY cs.SI physics.soc-ph
Characterizing Network Structure of Anti-Trans Actors on TikTok
University of Southern California（南加州大学）；Information Sciences Institute（信息科学研究所）
本文研究TikTok上反跨性别与支持跨性别社区的网络结构差异，开发了跨性别情感分类体系并结合RAG构建分类流水线，发现两群体互动频繁且存在针对跨性别个体的现象，凸显了改进内容审核工具的必要性。
2025-01-27 cs.AI cs.HC cs.SI
Measuring Centralization of Online Platforms Through Size and Interconnection of Communities
针对去中心化架构平台未必去中心化使用、中心化衡量难的问题，提出基于社区移除后社区间边受干扰程度的社区影响力刻画方法，定义二分网络中心化概念并证明简单方法不足，比较多平台结构后指出需关注用户互动结构。
2023-07-27 cs.CY cs.SI
Efficient Community Detection in Large-Scale Dynamic Networks Using Topological Data Analysis
在本文中，我们提出了一种方法，扩展了基于持久性的拓扑数据分析（TDA），通常用于表征形状一般的网络。我们引入了社区树的概念，这是一种基于团渗流方法的团社区建立的树结构，从持久性的角度总结了网络中的拓扑结构。此外，我们开发了有效的算法来构建和更新社区树，通过维护一系列的团图的形式的生成森林，其中每个生成树是建立在一个底层的欧拉图树。通过社区树和相应的持久性图所揭示的信息，我们所提出的方法能够检测集团社区，并在给定稳定阈值的情况下跟踪其演化过程中的主要结构变化。结果表明，它在提取有用的结构见解时变社交网络的有效性。
2022-04-07 cs.SI
Networked partisanship and framing: a socio-semantic network analysis of the Italian debate on migration
社交媒体的大量使用所提供的大量数据为对政治进程进行数据驱动的研究开辟了前所未有的可能性。虽然在网上辩论和回声室形成过程中特别关注了精英和大众两极分化等现象，但网上党派和框架实践之间的相互作用，共同维持对抗动态，仍然被忽视。在本文中，我们对2019年5月至11月期间在意大利Twitter上观察到的关于移民政策的辩论进行了社会语义分析。至于社会分析，我们的方法使我们能够提取有关用户社区的政治取向的相关信息-在此称为党派社区-而无需诉诸任何外部信息。值得注意的是，我们的社区发现技术足够敏感，能够清楚地突出不同政治力量之间关系的动态特征。在语义分析方面，我们的主题标签网络在整个观察期间显示出以核心-外围方式组织的中尺度结构。总的来说，我们的结果指出了不同的，但重叠的，以移民问题为背景的冲突轨迹。第一条线反对社区实质性地讨论移民问题，而社区只是为了煽动对政治对手的敌意而接近这个问题;在第二条线中，党派社区之间的距离机制反映了政府联盟内部政治联盟的变化。最终，我们的研究结果有助于揭示意大利政治背景的复杂性，其特点是多极的党派联盟。
2021-06-22 cs.SI physics.app-ph
OpenClaw AI Agents as Informal Learners at Moltbook: Characterizing an Emergent Learning Community at Scale
Carnegie Mellon University（卡内基梅隆大学）；GiveRep Labs（GiveRep实验室）
研究通过分析Moltbook中由AI代理组成的非正式学习社区，发现参与不平等、广播倒置和参与生命周期等特征，揭示了大规模AI学习社区的动态模式。
2026-02-21 cs.AI cs.CY cs.HC
SynCo: Synthetic Community-Aware Attributed Graph Generator for Graph Neural Network Benchmarking
Federal University of São Carlos（圣卡洛斯联邦大学）；Federal University of Mato Grosso do Sul（南马托格罗索联邦大学）
SynCo是一种社区感知的属性图生成器，允许用户控制度分布和子社区结构，在图模仿、超参数评估和节点聚类任务中优于现有方法，并能生成多达210万节点的大规模图。
2026-09-11 cs.LG cs.SI
HACD: Harnessing Attribute Semantics and Mesoscopic Structure for Community Detection
Beijing Information Science and Technology University（北京信息科技大学）；Hong Kong Baptist University（香港浸会大学）
针对属性网络社区检测忽视属性语义相似性和介观结构的问题，提出基于异构图注意力网络的HACD模型，通过属性级注意力与社区成员函数提升检测鲁棒性，实验优于现有方法。
2024-11-04 cs.AI cs.GR cs.LG
Joint Inference of User Community and Interest Patterns in Social Interaction Networks
在线社交媒体已经成为我们社交生活中不可或缺的一部分。分析社交媒体平台中的对话可以产生复杂的概率模型来理解社交互动网络。在本文中，我们提出了一种建模方法，通过共同推断用户社区和兴趣的基础上，社会媒体的互动网络特征。我们提出了几种模式推理模型：i）兴趣模式模型（IPM）捕捉人口水平的交互主题，ii）用户兴趣模式模型（UIPM）捕捉用户特定的交互主题，iii）社区兴趣模式模型（CIPM）捕捉社区结构和用户兴趣。我们在从普渡大学社区收集的Twitter数据上测试我们的方法。从我们的模型结果中，我们观察到与普渡大学社区内的两个大事件相关的互动主题和社区，即普渡大学捐赠日和参议员伯尼·桑德斯访问普渡大学作为2016年印第安纳州初选的一部分。基于用户交互构建社会交互网络说明了用户在各种感兴趣的主题上的交互的相似性，并指示了他们的社区归属感。我们观察到，这种网络的度分布遵循幂律，这表明网络中存在较少的节点，具有较高的交互水平，以及许多其他节点具有较少的交互。我们还讨论了这种网络作为一种有用的工具，有效地传播特定的信息，以目标受众对规划任何大型活动的应用，并演示了如何挑选出特定的节点在一个给定的社区运行网络算法。
2017-04-06 cs.SI physics.soc-ph
Testing Alignment of Node Attributes with Network Structure Through Label Propagation
属性网络数据在各个领域中变得越来越普遍，因为我们通常除了节点的成对连接模式之外还配备了关于节点的信息。这些额外的信息可以表现为分类，也可以表现为多维特征向量。最近开发的寻求将社区发现方法扩展到属性网络的方法已经探索了如何最有效地结合连接性和属性信息来识别质量社区。这些方法通常依赖于对属性和连通性之间的依赖关系的一些假设。在这项工作中，我们试图开发一个统计测试，以评估节点属性是否与网络连接。我们的目标是定量评估是否具有类似的连接模式的节点也有类似的属性。为了解决这个问题，我们使用节点采样和标签传播方法。我们将我们的方法应用于几个合成的例子，探讨网络结构和属性特征如何影响我们的方法计算的经验p值。最后，我们将该测试应用于从单细胞质谱仪（CyTOF）数据集生成的网络，并表明我们的测试可以识别与不同单细胞亚群相关的标记物。
2018-05-18 cs.SI
