Non-Supervised Community Detection and Hierarchical Modularity Estimation in Complex Networks
本文扩展了一种非监督层次聚类检测和层次模块度估计方法到复杂网络，通过边介数中心性和平均连接准则得到树状图，进而实现社区检测和层次模块度估计，并在分形网络和素数划分网络上展示了有前景的结果。
2026-08-04 physics.soc-ph
Fast Community Identification by Hierarchical Growth
提出了一种新的社区识别方法，该方法建立在对连续邻域的分析基础上，通过从一个起始顶点开始的分层生长来达到，并将社区定义为一个内部连接数大于外部连接数的子图。为了确定该方法的精度和速度，它是比较流行的社区识别方法之一，即Girvan和纽曼的算法。虽然层次增长方法不如Girvan和Newman的方法精确，但它可能比大多数社区发现算法更快。
2006-02-21 cond-mat.dis-nn physics.comp-ph physics.soc-ph
Hierarchical community detection via maximum entropy partitions and the renormalization group
本文提出层次聚类熵（HCE）框架，通过最大化熵与社区数目的权衡选择最优分辨率，无需边级统计，适用于多种聚类算法，在合成与真实网络中均能识别与真实结构一致的层次社区。
2025-08-06 cs.SI physics.data-an physics.soc-ph
Inferring hierarchical structure of spatial and generic complex networks through a modeling framework
我们最近的论文[Grauwin et al. Sci. Rep. 7（2017）]表明，人类互动网络的社区和层次结构在很大程度上决定了最小的，在建模时应该考虑到它们。在本概念验证预印本中，考虑了相反的问题：是否可以推断出层次结构本身与网络模型最佳对齐？通过基于层次和（如果定义）地理距离的模型，为空间网络和一般的复杂网络提供了推理机制。该机制允许在复杂网络中以任何期望的分辨率发现分层和社区结构，特别是空间网络的空间独立结构。以美国州际人口迁移网络为例说明了该方法。
2017-12-15 cs.SI physics.soc-ph
MCMC Louvain for Online Community Detection
我们介绍了一种新的算法的社区发现，动态维护社区结构的大型网络，随着时间的推移。该算法最大限度地提高了模块化指数由于一个随机层次聚类的基础上的蒙特卡罗马尔可夫链（MCMC）方法的建设。有趣的是，它可以被视为Louvain算法的动态化（参见Blondel et Al，2008），其中聚合步骤被分层工具概率取代。
2016-12-05 cs.SI physics.soc-ph stat.ML
Post-Processing Hierarchical Community Structures: Quality Improvements and Multi-scale View
稀疏图的稠密子图（社区）在现实世界的复杂网络中经常出现，在许多情况下起着重要的作用。大多数现有的社区发现算法产生一个层次结构的社区，并寻求一个分区到社区，优化给定的质量函数。我们提出了新的方法来改善这些算法的结果。首先，我们展示了如何优化一个一般类的添加剂质量函数（包含模块化，性能，和一个新的基于相似性的质量函数，我们提出）在一个更大的分区比经典的方法。此外，我们定义了新的多尺度质量函数，这使得有可能检测到有意义的社区结构出现的不同尺度，而经典的方法只能找到一个分区。
2021-01-12 cond-mat.dis-nn cs.DS physics.soc-ph
Detecting the overlapping and hierarchical community structure of complex networks
自然界、社会和技术中的许多网络都以中观层次的组织为特征，节点组形成紧密连接的单元，称为社区或模块，彼此之间只有微弱的联系。揭示这种社区结构是复杂网络领域中最重要的问题之一。网络通常表现出层次结构，社区嵌入其他社区;此外，节点可以在不同社区之间共享。在这里，我们提出了第一个算法，发现重叠的社区和层次结构。该方法是基于适应度函数的局部优化。群落结构由适应度直方图中的峰值揭示。分辨率可以通过一个参数进行调整，从而能够调查组织的不同层次。在真实和人工网络上的测试给出了很好的结果。
2009-03-11 cond-mat.stat-mech physics.comp-ph physics.soc-ph
Stability of glassy hierarchical networks
在大多数动物和人类社会中，相互作用的结构可以用复杂的等级网络来最好地表示。为了保持接近最佳的功能，稳定性和适应性都是必要的。在这里，我们调查的稳定性的层次网络，出现从模拟的组织类型的效率函数让人想起的哈密顿的自旋玻璃。使用这种定量方法，我们发现一些预期的（来自日常观察）以及获得的局部最优网络的高度非平凡的结果，包括例如：i）稳定性随着效率和层次级别的增长而增加，ii）对于更有效的状态，相同的扰动导致更大的变化，iii）具有较低层次级别的网络在扰动之后变得更有效，iv）由于可能的最佳状态的数量巨大，它们中只有一小部分表现出弹性，最后，v）选择性地针对节点（关于它们在层次结构中的位置）的“攻击”可能导致矛盾的结果。
2017-08-18 cs.SI physics.soc-ph
Opinion Divergence Reveals the Hierarchical and Overlapping Community Structure in Networks
社区或模块组通常表现出层次和重叠的结构，是网络科学中的基础和复杂。其中一个最常用的工具来检测介观结构是同步。研究了约束条件下的收敛速度和局部收敛等现象，揭示了社区的存在性和特征。本文以观点动力学为背景，研究了在达成全局共识的过程中，主体观点的分歧，即节点的状态差异，并揭示了其与模块结构中的层次和重叠的联系。在此基础上，提出了一种新的层次化和重叠社区识别方法，并在真实网络和人工网络上进行了实验，验证了该方法的鲁棒性和有效性.这两个连接和方法提供了一个新的见解的功能模块化结构的网络。
2018-07-03 physics.data-an physics.soc-ph
Predicting Stability of Community Members in Complex Networks
在这项工作中，我们分析和预测复杂网络中社区的稳定性。我们使用一种称为个人资料接近度的接近中心性变体来衡量成员对其社区的忠诚度。我们表明，配置文件的接近度是一个足够的指标，社区如何在网络中发展。我们调查这在静态和动态（时间）网络，并建立在预测一个复杂的网络的演变的轮廓接近的相关性。关键词：小世界网络，中心性，社区，封闭性，聚类
2022-07-13 cs.DM cs.SI physics.soc-ph
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
Hierarchical organization of H. Eugene Stanley scientific collaboration community in weighted network representation
通过映射当代社会互动的最先进的元素，世界科学合作网络发展了一个极其复杂的组织。这种异质性的选择特征进行了研究，并确定了重点放在科学合作社区的H。尤金·斯坦利-目前世界上最多产的学者之一。基于截至2016年3月28日的Web of Science记录，构建了几种网络变体。结果发现，斯坦利#1网络-这在类比的Erdos的# -发展了一个很大程度上一致的层次结构和斯坦利自己遵守规则的相同层次结构。然而，这仅在加权网络表示中看到。当这样的加权网络的发展，现有的相关模型表明，权重的传播得到刺激的乘法突发在相邻的节点，这导致它们之间的互连的平衡增长。虽然不是斯坦利独有的，但这种行为并不是一种规则。在这里研究的其他杰出学者的网络更经常发展成一种星状形式，中心枢纽构成了离群点。这项研究的补充频谱分析的归一化拉普拉斯矩阵来自相应的网络的加权变体，除其他外，它指出了这样一个程序的效率，用于确定组件社区和它们之间的关系在复杂的加权网络。
2017-10-16 cs.SI physics.soc-ph q-fin.CP
Multi-scale Community Detection using Stability Optimisation within Greedy Algorithms
许多真实的系统可以表示为网络，其分析可以提供关于原始系统的组织的非常有用的信息。在过去的十年里，社区发现受到了广泛的关注，现在是一个活跃的研究领域。最近引入稳定性作为划分质量的新度量。这项工作研究的稳定性作为一个优化标准，利用马尔可夫过程的网络视图，使多尺度社区发现。提出了优化稳定性的算法的几种算法和变化，以及重叠社区的应用。实验表明，该方法能够实现多尺度网络分析的准确性。
2012-01-16 cs.DS cs.SI physics.soc-ph
Community detection based on "clumpiness" matrix in complex networks
利用网络的“丛度”矩阵，提出了一种识别网络社团结构的方法。一个“投影空间”是由团块矩阵的特征向量构造的，并且在该空间中使用某种角距离定义边界线。使用这种边界和/或分层聚类方法来识别网络的社区结构。我们的算法的性能进行了测试，在一些计算机生成的和真实世界的网络。使用归一化互信息检查结果的准确性。本文还讨论了群落大小异质性对方法精度的影响。
2011-11-06 cs.SI physics.soc-ph
Modularity maximization and community detection in complex networks through recursive and hierarchical annealing in the D-Wave Advantage quantum processing units
Sano Centre for Computational Medicine（Sano计算医学中心）；AGH University of Krakow, Faculty of Computer Science（克拉科夫AGH科技大学计算机学院）；Academic Computer Center Cyfronet AGH（AGH学术计算中心Cyfronet）
本文提出了一种基于递归和层次退火的纯量子退火方法，用于在复杂网络中发现社区结构，通过递归处理实现可解释的解决方案，为网络科学和量子计算的结合提供了新方向。
2026-01-30 cs.SI math.CO physics.soc-ph
Model of communities isolation at hierarchical modular networks
本文将社区隔离模型扩展至层次模块化网络，揭示阻塞节点数的幂律增长及首个孤立簇出现时间的单峰非高斯分布，且解析结果与模拟一致。
2011-06-02 cs.SI physics.soc-ph
Community core detection in transportation networks
这项工作分析了方法的识别和扰动下的领土社区结构的稳定性，具体参考交通网络。我们考虑了一个城市和一个岛屿地区的通勤者网络。在这两种情况下，我们都研究了通勤者的出行分布（即，从家到工作的旅行，反之亦然）。社区核心的确定和稳定性与区域系统内的土地使用分布有关，因此，对社区核心的适当定义可能对交通规划者有用。
2013-09-19 cs.SI physics.soc-ph
Universal self-similarity of hierarchical communities formed through a general self-organizing principle
研究发现在多种真实网络中层级社区结构存在普适的标度律，并通过唯象模型揭示其遵循Hakens原则的自组织机制，即节点按属性相似性聚集成群，使社区内差异最小化且组织熵随复杂度增加而降低。
2025-07-15 physics.data-an physics.soc-ph
Community Structure and Its Stability on a Face-to-Face Interaction Network in Kyoto City
由于社会行为在人们的生活中扮演着重要的角色，因此必须研究面对面互动网络的特征以了解人们的社会行为。在这项研究中，我们专注于面对面互动网络的稳定社区结构，因为它解释了城市中市民和游客的固定通信模式所造成的持久社区。我们把市民和游客看作两种粒子，把社区看作一个相，利用社区之间的平衡条件，对社区结构的稳定性进行了理论化。我们制定了社区的化学势，并检查他们是否在一个典型的合奏假设下处于平衡状态。我们估计了持久性社区的化学势，发现这些值每天都在大约10%的误差范围内匹配。这一结果表明，群落持续存在的原因是群落结构的稳定性。
2022-12-14 physics.soc-ph
Geometric Multiscale Community Detection: Markov Stability and Vector Partitioning
多尺度社区发现可以从马尔可夫稳定性框架内的动态角度来看待，该框架使用马尔可夫过程在图上的扩散来揭示所有尺度上的内在网络子结构。在这里，我们重新制定多尺度社区发现作为一个最大和长度向量分割问题的一组时间相关的节点向量表示的特征向量的过渡矩阵。这个公式提供了一个几何解释的马尔可夫稳定性的时间依赖的频谱嵌入，其中马尔可夫时间作为一个非齐次的几何分辨率因子，缩放的组件的节点向量以不同的速率。我们的几何公式包括模块化和多分辨率Potts模型，这被证明是对应于伪欧几里德空间中的向量分区，也与频谱分区方法，其中使用的特征向量的数量对应于底层嵌入向量空间的维度。启发的卢万优化社区发现，然后我们提出了一个算法的基础上的图形理论启发式的向量划分问题。我们将该算法应用于模块化和马尔可夫稳定性社区发现的谱优化。基于转移矩阵特征向量的谱嵌入比模块度矩阵的特征分解具有更高的信息量和更高的模块度。我们用随机网络基准来说明结果。
2017-08-10 cond-mat.stat-mech cs.SI physics.soc-ph
Hierarchical Change Point Detection on Dynamic Networks
研究了具有社团结构网络的变点检测问题。它提出了一个框架，可以有效地检测网络中的局部和全局变化。重要的是，它可以清楚地区分这两种类型的变化。框架设计是通用的，因此几个国家的最先进的变化点检测算法可以适合在这个设计。在合成网络和真实网络上的实验表明，该框架可以准确地检测变化，同时实现高达800倍的加速比。
2017-06-17 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
Community consistency determines the stability transition window of power-grid nodes
电功率系统的同步对于维持稳定的电力供应是重要的。最近，测量盆稳定性被引入到量化的节点的能力，以恢复其同步扰动时。在这项工作中，我们专注于流域稳定性如何依赖于节点之间的耦合强度。我们使用智利电网作为案例研究。一般来说，盆地稳定性从零到一耦合强度的增加。然而，对于不同的节点，这种转换不会在相同的值处发生。通过理解单个节点的过渡，我们可以进一步描述它们在电力传输动态中的作用。我们发现，具有非常大的过渡窗口的节点也具有较低的社区一致性。换句话说，当应用社区检测算法时，它们很难分类到一个社区。这也提供了一种有效的方式来识别具有长转换窗口的节点（这在计算上是耗时的）。最后，为了证实这些结果，我们提出了一个程式化的例子网络与规定的社区结构，捕捉上述特征的盆地稳定性过渡，并重新创建我们的观察。
2015-04-28 nlin.CD physics.soc-ph
Kaleidoscopic reorganization of network communities across different scales
本研究揭示网络社区随尺度变化呈现分裂与合并并存的重组现象，通过数学论证、真实网络分析和简单模型，指出需转变研究范式以理解其真实结构。
2025-01-21 cond-mat.stat-mech cs.SI physics.soc-ph
Resolution limit revisited: community detection using generalized modularity density
近年来，通过在检测算法中考虑模块性度量的变体，已经进行了各种尝试来解决社区检测中的分辨率限制（RL）问题。据称，这些指标在很大程度上缓解了RL问题，并且在许多现实场景中优于模块化。然而，它们通常不适合分析加权网络或检测分层社区结构。然而，分辨率极限问题可能很复杂，特别是不清楚何时应该将其视为问题。在本文中，我们引入了一个度量，我们称之为广义模块密度$Q_g$，消除了RL问题在任何所需的分辨率，很容易扩展到研究加权和分层网络。我们还提出了一个基准测试，以量化的分辨率限制问题，检查各种模块化的指标，以表明新的度量$Q_g$表现最好，并表明$Q_g$可以识别模块化结构，在现实世界和人工网络，否则隐藏。
2020-12-29 cond-mat.stat-mech cs.DM cs.SI
Potts model based on a Markov process computation solves the community structure problem effectively
Potts模型是揭示复杂网络社区结构的有力工具。在这里，我们提出了一个新的框架，揭示了最佳的社区数量和网络结构的稳定性，通过定量分析Potts模型的动力学。具体地说，我们用马尔可夫过程对社区结构检测Potts过程进行了建模，并给出了明确的数学解释。然后，我们表明，在多个时间尺度上的马尔可夫变量的表示自旋值的局部均匀行为可以自然地揭示网络的层次社区结构。此外，从马尔可夫过程的光谱特征中还可以推断出关于多元自旋组态的关键拓扑信息。最后提出了一种基于最优社区数和多时间尺度稳定性的模糊社区确定算法。理论分析和实验验证了算法的有效性和效率。
2015-03-27 cs.SI physics.soc-ph
Ordered community detection in directed networks
我们开发了一种方法来推断社区结构的有向网络中的群体是在一个潜在的一维层次结构，确定首选的边缘方向。我们的非参数贝叶斯方法是基于修改的随机块模型（SBM），它可以利用排名对齐和一致性，以产生简约的描述网络，组合有序的层次结构与任意混合模式之间的组。由于我们的模型还包括定向度校正，我们可以用它来区分非局部层次结构与局部入度和出度不平衡-从而消除大多数排名方法中存在的合并源。我们还展示了如何与无序SBM变体获得的结果进行可靠的比较，以确定分层排序是否在统计上是有道理的。我们说明了我们的方法在各种各样的经验网络在几个领域的应用。
2022-08-31 cs.SI physics.data-an physics.soc-ph
The stability of a graph partition: A dynamics-based framework for community detection
近年来，人们对复杂网络分析的兴趣激增，这得益于关系数据的可用性和可用于分析的日益强大的计算资源。自然地，对现实世界系统的研究会导致高度复杂的网络，当前的挑战是从网络中提取相关子图的可理解的简化描述，这可以提供对整个系统的结构和功能的洞察。在Newman和Girvan的开创性工作的启发下，一个有趣的研究方向致力于研究网络中的模块化社区结构，重振了图划分的经典问题。然而，众所周知，网络中的模块或社区结构逃避了严格的定义。最被接受的社区概念可能是一组元素，它们在内部表现出比与社区外部元素更强的交互作用。这个概念导致了大量用于社区检测的计算方法和启发式方法。然而，到目前为止，对这些方法中的大多数方法，在它们如何运作以及它们应该检测什么方面，仍然缺乏坚定的理论理解。在这里，我们将开发一个动态的角度对社区检测，使我们能够定义一个衡量命名的稳定性图分区。它将被证明，一些以前的特设定义的社区检测算法可以被看作是我们的方法为我们提供了一个动态的重新解释这些措施的特殊情况。因此，我们的动态为基础的方法作为一个统一的框架，以获得更深入的了解与社区检测的不同方面和问题，并允许我们提出新的动态启发的标准，社区结构。
2013-08-07 cond-mat.stat-mech cs.SI physics.data-an
Stability of leadership in bottom-up hierarchical organizations
在自下而上的等级组织中，研究了领导层在内部反对力量不断增长的情况下的稳定性。使用一个非常简单的模型与自下而上的多数规则投票，在不同层次的权力分配的动态计算的概率框架内。在高层领导的情况下，来自底层的反对派的权重在向上爬的过程中会迅速下降。它只经过几个层次就达到零。事实上，投票过程被发现服从一个阈值动态与确定性的顶部结果。因此，领导层可能会保持稳定，以应对底层反对派的大幅增长。因此，反对党可以从百分之几稳步增长到百分之七十七，而在选举产生的最高级别没有一个单一的变化。然而，与此相反，从一次选举到另一次选举，在门槛附近，底层不到1%的额外变化可以推动高层的剧烈和残酷的变化。反对派立即推翻了现任领导人。除了解析公式，从一个大规模的模拟结果。这些结果可能会对管理体系结构和警报系统产生新的影响。他们也可以提供一些不同的见解上世纪东欧共产主义崩溃。
2007-03-07 physics.soc-ph
Evolution of Communities with Focus on Stability (extended abstract)
社区检测是分析手机用户社交图谱的重要工具。在每个社区内，客户都容易通过相互影响的杠杆作用吸引新客户，保留旧客户和/或接受新产品或服务。用户社区是更小的单位，更容易掌握，并允许例如角色分析的计算-基于参与者在其社区中的中心地位。在静态图中寻找社区的问题已经得到了广泛的研究。然而，从电信分析师的角度来看，要真正有用，检测到的社区必须随着通信的社交图随着时间的推移而变化-例如，为了对社区进行营销活动并跟踪这些活动的结果。此外，用户社区随时间的行为可以用于预测电信运营商感兴趣的未来活动，例如用户流失或手机采用。相似的群体演化可以为设计策略提供见解，例如群体流失的早期预警。稳定性是一个关键问题：如果分析员不能在随后的时间步骤中跟踪给定团体，则对该团体执行的分析将丢失。这是我们在本文中处理的特定用例：跟踪动态场景中社区的演变，重点关注稳定性。我们提出了两个修改广泛使用的静态社区发现算法。然后，我们描述的实验，以研究在现实世界的社交网络，每月调用图为数百万用户表示的分区的稳定性和质量。
2013-11-21 cs.CY cs.SI physics.soc-ph
Flow stability for dynamic community detection
许多系统表现出复杂的时间动态，由于同时发生的不同过程的存在。在这样的系统中，一个重要的任务是提取一个简化的视图，其时间依赖的相互作用网络。时间网络中的社区检测通常依赖于时间窗口上的聚合或考虑不同平稳时期的序列。对于基于动力学的方法，试图推广静态网络方法也面临着根本的困难，即动态的稳态并不总是存在。在这里，我们推导出一种方法的基础上演变的时间网络上的动态过程。我们的方法允许动态，不达到稳定状态，并揭示了两组社区为一个给定的时间间隔，占排序的边缘在向前和向后的时间。我们表明，我们的方法提供了一种自然的方式来解开不同的动力学尺度存在于一个系统与合成和现实世界的例子。
2022-05-20 cs.SI math.DS physics.data-an
On the Stability of Community Detection Algorithms on Longitudinal Citation Data
引文网络和其他类型的图之间有着根本的区别。特别是，鉴于引用网络是有向的和非循环的，主要用于无向社交网络数据的方法可能会面临障碍。这对于引文网络中社区结构的动态发展尤其如此。也就是说，既不清楚何时适合采用现有的社区检测方法，也不清楚如何在现有方法中进行选择。使用模拟数据，我们试图澄清的条件下，应该使用现有的方法，这些算法是适当的，在给定的上下文中。我们希望这篇论文将作为一个有用的路标，并鼓励那些有兴趣开发更有针对性的方法，用于纵向引文数据。
2009-08-17 physics.data-an physics.soc-ph
The Community Structure of Econophysicist Collaboration Networks
本文利用一个经济物理学家之间的合作记录数据库，研究了这种具有单一顶点类型和无向加权边类型的合作网络的社团结构。提出了层次聚类和Girvan和Newman算法对数据进行分析。并通过比较不同权重下得到的不同结果，强调了权重对社区结果的影响。提出了一个函数D来区分上述结果之间的差异。最后对结果进行了解释，并对群落结构进行了讨论.
2005-05-09 physics.soc-ph
High-Quality Disjoint and Overlapping Community Structure in Large-Scale Complex Networks
在本文中，我们提出了一个改进版本的凝聚层次聚类算法，执行不相交的社区发现在大规模复杂网络。该算法将原算法中采用的局部结构相似度替换为最近提出的动态结构相似度，从而实现了对原算法的改进。此外，改进算法被扩展到检测模糊和清晰的重叠社区结构。扩展算法利用自身生成的不相交社区结构和动态结构相似性度量，计算定义模糊社区的隶属度概率函数。此外，为了比较所提出的算法与国家的最先进的参考基准图进行实验评估。
2018-05-30 cs.DS cs.SI physics.soc-ph
Generalized Markov stability of network communities
我们通过引入马尔可夫稳定性的一般定义来解决网络中的社区检测问题，该定义基于不同时间尺度上网络上马尔可夫链的概率通量之间的差异。质量函数的具体实现和由此产生的最优社区结构因此变得依赖于马尔可夫过程的类型和所考虑的特定马尔可夫时间。例如，如果我们使用一个自然的马尔可夫链动力学，并贴现其平稳分布-也就是说，我们把无限时间的动力学作为参考过程-我们得到马尔可夫稳定性的标准公式。值得注意的是，使用有限时间转移概率来定义参考过程的可能性自然允许以不同的分辨率检测社区，而不需要考虑小时间限制中的连续时间马尔可夫链。我们的一般制定的马尔可夫稳定性的基础上动态流的主要优点是，我们的工作与集总马尔可夫链的网络分区，具有相同的平稳分布的原始过程。以这种方式的质量函数的形式成为不变的分区下，导致在不同的聚合尺度的社区结构的自洽定义。
2020-03-24 cs.SI physics.data-an physics.soc-ph
Multiscale Community Mining in Networks Using Spectral Graph Wavelets
对于由网络表示的数据，底层图的社区结构非常有趣。一个经典的聚类问题是揭示社区中节点的总体“最佳”划分。在这里，提出了一个更详细的描述，其中社区结构被确定在不同的尺度。为此，我们利用图小波中编码的局部和尺度相关信息。在研究了图小波的尺度边界和参数，引入尺度函数，并对图小波的实际应用进行了新的发展之后，我们提出了一种基于尺度依赖的复杂网络社区挖掘方法。它依赖于根据小波或尺度函数对节点进行分类，使用尺度依赖的模块化函数。一个具有层次社区的图基准的例子表明，我们成功地估计其多尺度结构。
2013-11-08 cs.DM cs.SI physics.soc-ph
Flow-based Community Detection in Hypergraphs
为了将系统的结构、动力学和功能与多体相互作用联系起来，网络科学家在超图上对随机漫步进行建模，并识别出长期限制漫步的社区。两种基于流的社区检测方法马尔可夫稳定性和地图方程基于不同的原则和搜索算法来识别这样的社区。但由此产生的社区有多相似呢？我们解释了这两种方法的机械应用到超图，并比较他们在合成和现实世界的超图使用各种超边大小有偏随机游动和时间尺度。我们发现，地图方程是更敏感的时间尺度的变化和马尔可夫稳定性是更敏感的超边尺寸偏差。
2021-05-10 physics.soc-ph
Community Structure in the United States House of Representatives
我们调查的网络委员会和小组委员会的任务，在美国众议院从第101 - 108届国会，与委员会连接的“联锁”或共同的成员。我们使用几种方法来研究这些网络中的社区结构，揭示了某些委员会之间的紧密联系以及整个众议院的内在层次结构。我们确定了结构的变化，包括额外的层次和更高的模块化，从1994年的选举中，共和党赢得了众议院的多数地位，在四十多年来的第一次。我们还将我们的网络方法与使用奇异值分解的唱名表决分析相结合，以揭示众议院委员会的政治和组织结构之间的相关性。
2007-07-19 cond-mat.stat-mech cs.MA nlin.AO
Hierarchical Power Flow Control in Smart Grids: Enhancing Rotor Angle and Frequency Stability with Demand-Side Flexibility
可再生能源在电力系统中的大规模集成对在波动和不确定的潮流状态下保持同步和频率稳定性提出了新的挑战。为了保证运行的安全性，系统必须在转子角和系统频率动态的时间尺度上保持足够的扰动抑制能力。这就要求在发电和需求两方面都要有灵活性，在两个不同的时间尺度上补偿波动并确保稳定。本文提出了一种分层的潮流控制架构，涉及到传输和配电网络，以及个别建筑物，以提高小信号转子角稳定性和传输网络的频率稳定性。建议的架构包括一个传输级优化器，提高系统阻尼比，一个分配级控制器传输命令后，提供频率支持，和一个建筑物级的调度器占服务质量，并遵循分配级的目标。我们通过实时硬件在环测试验证了整个控制架构的可行性和性能，这些测试涉及真实世界的输电和配电网络模型以及Stone Edge Farm微电网的真实设备。
2021-08-12 cond-mat.dis-nn cs.SY eess.SY
Impact of community structure on information transfer
观察到真正的复杂网络具有内部结构的动态过程发生在这样的拓扑结构具有重要意义。在这里，我们调查的影响，社区结构的信息传输模型，能够同时处理搜索和拥塞。我们表明，模糊社区结构的网络是更有效的数据包传输，那些具有明显的社区结构。我们还提出了一种替代的数据包路由算法，它利用社区的知识，以提高信息传输，并表明，在该模型的背景下，一个中间层次的社区结构是最佳的。最后，我们表明，在一个分层的网络设置，提供知识的社区在最高的模块化水平将提高网络容量的最大金额。
2008-01-09 cond-mat.dis-nn physics.soc-ph
Reconstruct the Hierarchical Structure in a Complex Network
最近的一些工作集中在复杂网络的一些统计特性，如聚类，右偏度分布和社区，这是许多现实世界中的网络所共有的。在本文中，我们讨论了层次属性共享之间的大量网络。提出了一种基于特征向量中心性测度的复杂网络层次结构重构方法。它在圣菲研究所协作网络上进行了测试，该网络的结构众所周知。我们还将其应用于数学家合作网络和酵母蛋白质相互作用网络。该方法可以检测到显着的层次结构，在这些网络。
2005-08-03 cond-mat.stat-mech physics.bio-ph physics.soc-ph
Insights on structure and influence from the adjacency and Laplacian eigenspectra of intersecting ring networks
Applied Space Technology Laboratory, Department of Electronic and Electrical Engineering, University of Strathclyde（斯特拉斯克莱德大学电子与电气工程系应用空间技术实验室）
研究通过分析环网络的邻接和拉普拉斯谱揭示其结构与影响，探讨高连接度枢纽及交叠环网络的社区结构特征。
2026-01-09 nlin.CD physics.soc-ph
Stability of Maximum likelihood based clustering methods: exploring the backbone of classifications (Who is keeping you in that community?)
复杂系统的组成部分通常根据它们相互作用的方式进行分类。在图论中，这样的群被称为簇或社区。最近提出了许多不同的技术来检测它们，其中一些涉及使用贝叶斯或极大似然方法的推理方法。在这篇文章中，我们研究了一个统计模型，旨在检测基于连接相似性的集群。该模型的基本假设是，该图是由一定的分组的节点和期望最大化算法来推断该分组。我们表明，该方法允许进一步发展，以产生一个稳定性分析的分组，量化的程度，每个节点影响其邻居组成员。我们的方法自然允许识别负责分组的关键元素及其对网络变化的适应能力。考虑到统计模型所基于的假设的普遍性，这些节点可能在原始系统中扮演特殊角色。我们通过分析几个经验网络来说明这一点，这些网络可以获得关于节点属性的进一步信息。因此，搜索和识别稳定节点构成了一种新的技术来表征复杂网络中节点的相关性。
2010-04-29 cond-mat.stat-mech cs.IT math.IT
