Identification of hybrid node and link communities in complex networks
复杂网络中社团的识别已经成为分析复杂系统的有效手段。它在社会科学、工程学、生物学和医学等不同领域有着广泛的应用。节点社区和链路社区是网络结构分析的两种常用方法。然而，这些计划有固有的缺点，往往不足以正确地捕捉在真实的网络复杂的组织结构。我们介绍了一种新的方案和有效的方法来识别复杂的网络结构，使用混合的节点和链接社区，称为混合节点链接社区。我们的方法的一个核心部分是一个概率模型，可容纳节点，链接和混合节点链接社区。我们在各种真实世界的网络上进行了大量的实验，包括一个大型的蛋白质-蛋白质相互作用网络和一个大型的常用词语义关联网络，表明混合社区的方案在揭示网络特征方面具有优越性。此外，新的方法优于现有的方法分别找到节点或链接社区。
2013-09-18 cs.SI physics.soc-ph
Finding communities in sparse networks
基于网络矩阵表示的谱算法常被用来检测社区，但基于邻接矩阵及其变体的经典谱方法不能检测稀疏网络中的社区。基于非回溯随机游走的新谱方法最近被引入，成功地在许多稀疏网络中检测社区。然而，非回溯随机游走的频谱忽略了网络中的悬挂树，这些树可以包含关于网络社区结构的信息。我们引入了不情愿的回溯算子，明确占挂树，因为他们承认一个小的概率返回到前一个节点不像非回溯算子，禁止立即返回。我们发现，不情愿的回溯算子可以检测社区在某些稀疏网络中的非回溯算子不能，同时执行基准随机块模型网络和现实世界的网络。我们还表明，频谱的不情愿回溯算子近似优化的标准模块化功能类似的流矩阵。有趣的是，对于这个非回溯和非回溯回溯算子家族，在现实网络中性能的主要决定因素是它们是否被归一化以保持每个节点的概率。
2015-09-22 cs.SI physics.soc-ph
Stochastic Block Models are a Discrete Surface Tension
网络，代表代理人和他们之间的相互作用，出现在无数的应用在整个科学，工程，甚至人文学科。为了理解网络中的大规模结构，一个常见的任务是将网络的节点聚类成称为“社区”的集合，这样社区内的连接密集，但社区之间的连接稀疏。一种流行的和统计学原理的方法来执行这样的聚类是使用一个家庭的生成模型称为随机块模型（SBM）。在本文中，我们表明，最大似然估计在SBM是一个著名的连续表面张力问题，在冶金中的应用所产生的网络模拟。为了说明这种关系的效用，我们实现了三个表面张力算法的网络模拟，我们成功地恢复了人工合成网络中的种植社区结构，并对我们从高光谱视频构建的经验网络产生了迷人的见解。
2019-03-25 cond-mat.stat-mech cs.SI math.ST
Finding Scientific Communities In Citation Graphs: Convergent Clustering
了解科学界的性质和组织具有广泛的意义。“无形学院”是对此类社区的一种历史隐喻，寻找此类“学院”的工作可以被界定为发现和分析研究共同感兴趣问题的科学家小组。案例研究以前已经进行了个别社区就其科学和社会行为。在这项研究中，我们介绍，一个新的和可扩展的社区发现的方法。在专家评估的辅助下，我们使用两种不同聚类方法的收敛性来选择来自免疫学领域的200多万篇文章的文章聚类，这些文章跨越了11年的时间，具有相关的聚类质量指标进行评估。最后，我们确定了这些集群定义的作者社区。专家审查了这一管道产生的文章组样本，显示出很强的主题相关性，表明推断的作者群体可能代表有效的实践群体。这些研究结果表明，这种趋同的方法在未来可能是有用的。
2020-07-28 cs.DL cs.SI physics.soc-ph
Estimating the number of communities in a network
社区发现是将网络划分为密集的子网络，而子网络之间只有稀疏的连接，是近年来研究的热点。然而，虽然存在一系列强大而灵活的方法将网络划分为指定数量的社区，但如何确定应该使用多少社区仍然是一个悬而未决的问题。在这里，我们描述了一个数学原理的方法，使用最大似然方法找到网络中的社区数量。我们展示了一系列的真实世界的例子与已知的社区结构的方法，发现它是能够正确地确定社区的数量在每一种情况下。
2016-08-23 cs.SI physics.soc-ph
Semi-Supervised Overlapping Community Finding based on Label Propagation with Pairwise Constraints
在复杂网络中检测社区的算法通常是无监督的，仅依赖于网络的结构。然而，这些方法通常无法发现反映数据中底层社区的有意义的分组，特别是当这些结构高度重叠时。提高这些算法的有用性的一种方法是通过合并附加的背景信息，其可以用作约束的来源以指导社区发现过程。在这项工作中，我们探索了半监督策略的潜力，以改善算法，在网络中找到重叠的社区。具体来说，我们提出了一种新的方法，标签传播的基础上，使用有限数量的成对约束，寻找社区。对合成和真实世界数据集的评估表明，这种方法在每个节点可能属于多个社区的情况下，有可能揭示有意义的社区结构。
2018-11-21 cs.SI physics.soc-ph
Partitioning Breaks Communities
考虑一个集团作为一个保守的社区结构的定义，我们研究图划分算法如何与集团互动。许多流行的社区发现算法将整个图划分为不重叠的社区。我们表明，在广泛的经验网络，从不同的领域，大量的集团分裂在这些算法产生的单独的分区。然后，我们研究的最大连通组成部分的子图只保留边缘集团，并应用分区策略，明确减少分裂集团的数量。我们进一步研究了几个现代的重叠社区发现算法，在集团和他们找到的社区之间的相互作用，并在他们找到的社区集的全球重叠。我们的结论是，由于许多网络的连通性，任何社区发现算法，产生分区必须无法找到至少一些重要的结构。此外，与传统的直觉相反，在一些经验网络中，强联系和派系经常跨越社区边界;许多社区结构本质上是重叠和不可分割的。
2012-05-12 cs.SI physics.soc-ph
Finding missing edges and communities in incomplete networks
已经提出了许多算法来预测网络中丢失的边缘，但它们通常不考虑哪些边缘丢失。我们专注于网络的形式，可能会发生在真实的网络中的丢失的边缘，并比较算法，找到这些丢失的边缘。我们还研究了这种缺失数据对社区发现算法的影响。
2011-11-20 cs.SI physics.data-an physics.soc-ph
Finding Overlapping Communities in Social Networks: Toward a Rigorous Approach
社交网络中的“社区”通常被理解为一组节点，它们之间的连接比网络的其他部分更紧密。这是一个重要的概念，在大多数领域的网络出现：社会，技术，生物，等多年来，算法寻找社区隐含假设社区是不重叠的（导致使用基于聚类的方法），但有越来越多的兴趣在寻找重叠的社区。寻找社区的一个障碍是解决方案的概念通常是根据NP完全问题定义的，如集团或层次聚类。本文旨在启动一个严格的方法来寻找重叠社区的问题，其中“严格”意味着我们清楚地说明以下内容：（a）我们的算法所寻求的对象（b）关于底层网络的假设（c）（最坏情况下）运行时间。我们对网络的假设介于最坏情况和平均情况之间。平均情况分析需要网络的精确概率模型，目前还没有达成共识。然而，从社会学界长达50年的研究中，可以收集到一些关于网络参数的合理假设，这些研究集中在个体社区和以自我为中心的网络的研究上。因此，我们的假设在本质上有点“局部”。然而，他们足以允许严格的分析，恢复全局结构的算法的运行时间。我们的算法使用随机抽样类似的属性测试和算法的稠密图。然而，我们的网络不一定是稠密图，甚至在局部邻域中也不一定。我们的算法探索了以自我为中心和以社会为中心的网络之间的局部-全局关系，我们希望这将为计算机科学和社会学的未来工作提供一个富有成效的框架。
2011-12-08 cs.DS cs.SI physics.soc-ph
Literature Survey on Finding Influential Communities in Large Scale Networks
社区或模块结构被认为是大规模现实世界图（如社交或信息网络）的重要属性。在这些图中检测有影响力的集群或社区是一个相当感兴趣的问题，因为它通常占系统的功能。我们的目的是提供一个全面的阐述，包括问题的主要元素，现有的研究的简要介绍，分离和重叠的社区搜索，有影响力的社区的想法，其含义和目前的艺术状态，最后提供一些见解，为未来的研究可能的方向。
2019-02-05 cs.SI
Center-Periphery Structure in Communities: Extracellular Vesicles
网络中的聚类和社区发现具有广泛的意义，并且已经成为跨越多个领域的广泛研究的主题。我们感兴趣的是一个相对狭窄的问题，即检测由引用链接的科学出版物的社区。这些出版物社区可用于确定形成研究人员社区的具有共同兴趣的科学家。在著名的k-core算法的基础上，我们开发了一个模块化的管道来寻找出版社区。我们比较我们的方法，社区发现广泛使用的莱顿算法的社区发现。使用定量和定性的方法，我们评估社区发现的结果，引文网络组成的超过1400万出版物相关的领域的细胞外囊泡。
2021-11-14 cs.DL cs.SI physics.soc-ph
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
Leveraging disjoint communities for detecting overlapping community structure
网络社区代表了理解现实世界网络组织的介观结构，其中节点通常属于多个社区，并在网络中形成重叠的社区结构。由于在寻找这种重叠社区的确切边界方面的非平凡性，这个问题已经变得具有挑战性，因此已经投入了巨大的努力来从网络中检测重叠社区。在本文中，我们提出了PVOC（基于持久性的顶点复制算法重叠社区发现），一个两阶段的框架来检测重叠的社区结构。我们建立在一个新的观察，非重叠的社区结构检测的标准不相交的社区发现算法从网络具有高度的相似性，其实际重叠的社区结构，除了重叠的部分。基于这一观察，我们认为，也许没有必要建立另一个重叠的社区发现算法，但可以有效地操纵任何现有的不相交的社区发现算法的输出，以获得所需的重叠结构。我们提出了一种新的后处理技术，通过结合任何现有的不相交的社区发现算法，可以适当地处理每个顶点使用一个新的基于顶点的度量，称为持久性，从而找出重叠的候选人与他们的社区成员。在合成网络和大型真实网络上的实验结果表明，PVOC在输出与地面真实结构的高度相似性方面明显优于六种最先进的重叠社区发现算法。因此，我们的框架不仅可以从网络中找到有意义的重叠社区，还可以让我们结束构建另一个重叠社区发现算法的持续努力。
2015-04-14 cs.SI physics.soc-ph
Online detection of temporal communities in evolving networks by estrangement confinement
时间社区是在一个不断发展的复杂网络的多个快照中对节点进行一致划分的结果，它可以帮助揭示网络中密集的集群如何随着时间的推移而出现、组合、分裂和衰退。目前的方法，在一个单一的快照中找到社区是不直截了当地推广到寻找时间社区，因为用于寻找静态社区的质量函数具有高度退化的景观，并最终分区中选择的许多分区的类似质量是高度敏感的网络中的小变化。为了可靠地检测时间社区，我们不仅需要在给定的快照中找到一个好的社区分区，而且还需要确保它与之前的快照中找到的分区具有一些相似性。我们提出了一种新的措施，分区距离称为“疏远”的动机节点间的关系，当纳入到分区质量的测量，有利于检测有意义的时间社区的惯性。具体来说，我们提出了疏远限制方法，它假设社区中的相邻节点更愿意继续分享社区的联系，随着网络的发展。约束疏远使我们能够找到有意义的时间社区在不同程度的时间平滑在不同的现实世界的数据集。具体来说，我们研究了美国国会参议员投票行为的演变，人类移动数据集中邻近度的演变，以及合成网络中难以找到的进化社区的检测。因此，疏远限制提供了一个原则性的方法来发现不断发展的网络中的时间社区。
2012-03-22 cond-mat.stat-mech cs.SI physics.soc-ph
Communities unfolding in multislice networks
发现复杂网络中的社区有助于理解网络的行为。在这个有前途的研究领域存在一些工作，但社区发现的时间依赖和/或多路复用网络尚未深入研究。本文提出了一种基于模块度优化的多层网络社区发现方法。我们首先提出了一种方法来减少网络的大小，仍然保留模块化。然后，我们介绍了一种算法，近似模块化优化（通常采用）的多层网络，从而找到社区。网络大小的减少使我们能够保持可接受的性能，而不影响所提出的方法的有效性。
2016-04-02 cs.SI physics.soc-ph
Finding network communities using modularity density
许多现实世界的复杂网络都呈现出一种社区结构，其中的模块对应于实际的功能单元。识别这些群落是科学家面临的一个关键挑战。一种常见的方法是搜索使质量函数最大化的网络划分。在这里，我们提出了一个最近提出的功能，即模块密度的详细分析。我们表明，它不会招致传统的模块化所遭受的缺点，它可以识别网络没有地面实况社区结构，推导出其分析依赖于一般随机图中的链接密度。此外，我们表明，模块密度允许不同大小的网络之间的比较容易，我们还提出了一些限制，基于模块密度的方法可能会受到影响。最后，我们介绍了一个有效的，二次社区检测算法的基础上模块密度最大化，验证其准确性对理论预测和一组基准网络。
2016-12-20 cond-mat.stat-mech 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
Identifying Topical Twitter Communities via User List Aggregation
社交媒体分析领域的一个特殊挑战是如何在更大的社交互动网络中找到社区。在这里，社区可以是一组微博用户，他们发布关于连贯主题的内容，或者与特定事件或新闻故事相关联。Twitter提供了将用户整理到列表中的能力，对应于有意义的主题或主题。在这里，我们描述了一种众包的方法，许多不同的Twitter用户的列表建设的努力，以确定主题社区。这种方法涉及使用集成社区查找来产生稳定的用户列表分组，并通过扩展来产生单个Twitter用户。我们研究这种方法的背景下，围绕检测社区在Twitter上有关2012年伦敦奥运会的案例研究。
2012-06-29 cs.SI physics.soc-ph
AOC; Assembling Overlapping Communities
通过发现中尺度结构，社区发现方法有助于理解复杂网络。然而，许多社区发现方法依赖于不相交的聚类技术，其中节点成员资格仅限于一个社区或集群。这种严格的要求限制了包容性地描述社区的能力，因为一些节点可能被合理地分配给许多社区。我们之前已经报道过迭代K核心聚类（IKC），这是一个可扩展的模块化管道，可以从科学文献中发现不相交的研究社区。我们现在提出组装重叠集群（AOC），这是一种用于重叠社区的补充元方法，可以解决不相交的集群问题。我们提出了在超过1300万个节点的网络上使用AOC的研究结果，该网络捕获了生物学中细胞外囊泡非常快速增长领域的最新研究。
2022-10-04 cs.SI
Sparse Nonnegative Matrix Factorization for Multiple Local Community Detection
局部社区发现包括找到一组与种子密切相关的节点，即感兴趣的节点的小集合。这样的节点组是密集连接的，或者与它们到网络中的其他集群的连接相比，具有更高的内部连接概率。现有的局部社区发现方法集中于找到所有种子最可能所在的一个局部社区，或者为每个种子找到单个社区。然而，种子成员通常属于多个局部重叠社区。在这项工作中，我们提出了一种新的方法来检测多个本地社区，其中一个单一的种子成员属于。该方法包括三个关键步骤：（1）使用个性化PageRank（PPR）进行局部采样;（2）使用稀疏非负矩阵分解（SNMF）生成的稀疏度估计采样子图中的社区数量;（3）使用SNMF软社区成员资格向量为社区分配节点。该方法显示出良好的准确性性能和良好的导电性相比，国家的最先进的社区发现方法的实验使用人工和真实世界的网络相结合。
2020-05-08 cs.SI physics.soc-ph
Limitation of multi-resolution methods in community detection
近年来，一种多分辨率社区检测方法被提出，该方法通过调整模块度函数的分辨率参数来调整模块度的分辨率，如Arenas，Fernandez和Gomez以及Reichardt和Bornholdt等提出的方法。在本文中，我们表明，这些方法仍然有内在的限制，大社区可能已经分裂之前，小社区变得可见，因为它是在社区的稳定性，增强模块化分辨率的成本。理论结果表明，该限制取决于小社区的互联程度以及小社区与大社区的规模之差，而与整个网络的规模无关。这些发现已经在几个示例网络中得到证实，其中社区甚至是完全完成的子图。
2011-08-22 cs.SI physics.soc-ph
Mining for Spatially-Near Communities in Geo-Located Social Networks
现有的社交网络社区发现方法往往忽略了节点的空间位置。在本文中，我们期待在社会网络中提取空间附近的社区。我们引入了一个新的度量标准来衡量一个社区分区的质量在一个地理定位的社交网络称为“空间接近模块化”的值，增加的基础上的网络结构的方面，但减少的基础上的社区节点之间的距离。然后，我们希望找到相对于该指标的最佳分区--就社会关系和地理位置而言，它应该是一个“理想”的社区。虽然是一个NP难问题，我们引入两个启发式算法，试图最大限度地提高这一措施，并优于非地理社区发现的数量级。还讨论了反恐怖主义的应用。
2013-09-11 cs.SI physics.soc-ph
Online conspiracy communities are more resilient to deplatforming
在线社交媒体促进了围绕共享叙事的活跃社区的创建。这些社区可能会变成阴谋论的孵化器-一些传播暴力信息的社区可能会加剧辩论，并可能危害社会。面对这些现象，大多数社交媒体平台实施了适度政策，从发布警告标签到去平台化，即，永久禁用用户。评估内容审查的有效性对于在维护言论自由权的同时平衡社会安全至关重要。在本文中，我们比较了受Reddit上两个大型社区GreatAwakening和FatPeopleHate禁令影响的用户行为的转变，这两个社区分别致力于传播QAnon阴谋和身体羞辱个人。在禁令之后，这两个社区都部分迁移到了Voat，一个未经审核的Reddit克隆。我们估计有多少用户迁移，发现阴谋社区的用户更有可能完全离开Reddit并加入Voat。然后，我们通过匹配普通用户来量化Reddit内部以及Reddit和Voat之间的行为转变。很少有移民狂热者推动Voat上新的GreatAwakening社区的增长，而FatPeopleHate则没有这种影响。最后，从Reddit迁移的阴谋用户倾向于在Voat上重建他们以前的社交网络。我们的研究结果表明，应该仔细设计禁止托管暴力内容的阴谋社区，因为这些社区可能对去平台化更具弹性。
2023-03-21 cs.CY cs.SI physics.soc-ph
Characters and patterns of communities in networks
在本文中，我们提出了一些新的概念来描述和分析社区。这些新的概念是网络的社区或局部结构的一般特征。首先，我们引入了社区的内部支配集和外部支配集的概念。我们证明了真实网络中的大多数社区都有一个小的内部支配集和一个小的外部支配集，并且社区的内部支配集保留了社区的大部分信息。其次，基于内支配集和外支配集的概念，定义了内斜率（ISlope）和外斜率（ESlope），分别用来度量群落的内部异质性和外部异质性。我们发现，社区的内部斜率（ISlope）在很大程度上决定了社区的结构，大多数社区在真实的网络是异质的，这意味着大多数社区有一个核心/外围结构，和ISlope和ESlope（反映社区的结构）的所有社区的网络近似遵循正态分布。因此，给定网络的所有社区的ISlopes和ESlopes的典型值都在一个狭窄的区间内，并且只有少数社区具有在网络的ISlopes和ESlopes的典型值范围之外的ISlopes或ESlopes。最后，我们证明了我们所研究的真实网络的所有社区都具有三度分离现象，即社区的平均距离约为3，这意味着许多真实网络的真实社区具有一般性质，并且对于许多真实网络，良好的社区发现算法可以找到放大网络聚类系数的社区。
2013-01-14 cs.SI physics.soc-ph
GenPerm: A Unified Method for Detecting Non-overlapping and Overlapping Communities
非重叠社区和重叠社区的检测本质上是同一个问题。然而，目前的算法集中在寻找重叠或不重叠的社区。我们提出了一个通用的框架，可以识别非重叠和重叠的社区，没有任何事先输入的网络或其社区分布。为此，我们引入了一个基于顶点的度量，GenPerm，量化的顶点属于它的每个组成社区。我们的社区发现算法是基于最大化网络中所有顶点的GenPerm。我们证明，通过实验合成和真实世界的网络，GenPerm是更有效的比其他指标在评估社区结构。此外，我们表明，由于其以顶点为中心的属性，GenPerm可以用来展开几个推理超越社区发现，如核心-外围分析和消息传播。我们用于最大化GenPerm的算法在准确预测地面实况标签方面优于六种最先进的算法。最后，我们讨论了重叠社区中的分辨率限制问题，并证明了最大化GenPerm可以缓解这个问题。
2016-04-12 cs.SI physics.soc-ph
Overlapping Communities and the Prediction of Missing Links in Multiplex Networks
多路复用网络是将现实世界的复杂系统表示为通过不同类型的连接（即层）连接的一组实体（即节点）。这些网络中观察到的连接可能并不完整，链接预测任务是跨层定位丢失的链接。在这里，主要的挑战是从不同的层收集相关的证据，以帮助链接预测任务。众所周知，社区中的共同成员资格增加了节点之间连接的可能性。我们讨论的共同成员在社区的相似层增加了连接的机会。如果这些层显示出显著的层间群落重叠，则它们被认为是相似的。此外，我们发现，虽然链接的存在是相关的层，但这种相关性的程度是不一样的不同社区。我们建议，ML-BNMTF，作为一种链路预测方法在复用网络中，设计基于这些发现。ML-BNMTF优于基线方法，特别是当全球链路重叠低。
2020-05-15 cs.SI physics.soc-ph
Flow approaches to community detection in complex network systems
本文研究了在复杂网络系统中发现社区的问题，通过对社区的检测可以更好地理解其运作规律。针对这一问题，利用复杂网络的流特性，提出了两种解决方法。这些方法中的第一种包括计算网络系统的独立子系统的影响参数，通过排序或从属的原则来区分，第二种是使用其流核的概念。基于所提出的方法，可靠的标准，发现社区已制定和有效的算法，他们在复杂的网络系统中的检测已经开发出来。结果表明，所提出的方法使人们有可能挑出社区的情况下，现有的数值和视觉方法变成残疾人。
2021-02-22 cs.SI physics.soc-ph
Bayesian Overlapping Community Detection in Dynamic Networks
在社交网络中检测社区结构近年来得到了相当大的关注。然而，缺乏关于社区数量的先验知识，以及它们的重叠性质使得社区发现成为一个具有挑战性的问题。此外，许多现有的方法只考虑静态网络，而大多数现实世界的网络是动态的，并随着时间的推移而演变。因此，在没有任何关于社区数量的先验知识的情况下，在动态网络中找到一致的重叠社区仍然是一个有趣的开放式研究问题。本文提出了一种动态网络中的重叠社区发现方法--动态贝叶斯重叠社区检测器（DBOCD）。DBOCD假设在网络的每个快照中，社区的重叠部分是密集区域，并使用链接社区而不是公共节点社区。使用递归中餐馆过程和社区结构的网络在最后一个快照，DBOCD同时提取社区的数量和软社区成员的节点，同时保持社区的一致性随着时间的推移。我们评估了DBOCD合成和真实的动态数据集，以评估其在不同类型的网络演化中找到重叠社区的能力。结果表明，DBOCD优于目前最先进的动态社区发现方法。
2016-05-08 cs.SI physics.soc-ph
Overlapping Communities in Social Networks
复杂网络通常可以分解为组或模块。发现这种“社区结构”是研究网络大规模结构的重要一步。许多算法已经被提出用于社区发现，并且已经创建了基准来评估它们的性能。通常，用于社区发现的算法或者划分图（非重叠社区）或者找到节点覆盖（重叠社区）。在本文中，我们提出了一个特别简单的半监督学习算法发现社区。本质上，给定少量“种子节点”的社区信息，该方法使用从种子节点的随机游走来揭示整个网络的社区信息。该算法按时间$O(k \cdot m \cdot \log n)$运行，其中$m$是边的数量; $n$是链路的数量;以及$k$是网络中的社区的数量。在具有$m = O(n)$和恒定数量社区的稀疏网络中，该运行时间几乎与网络大小成线性关系。我们的算法的另一个重要特点是，它可以用于非重叠或重叠的社区。我们测试我们的算法使用LFR基准创建的Lancichinetti，Raviato，和Radicchi专门用于评估这些算法的目的。我们的算法可以竞争的最好的算法，为两个非重叠和重叠的社区，发现在全面的研究Lancichinetti和Ravinato。
2014-12-18 cs.SI physics.soc-ph
Detecting Communities in Tripartite Hypergraphs
在社交标签系统中，也称为大众分类，用户协作管理标签以注释资源。自然地，社交标签系统可以被建模为三重超图，其中存在三种不同类型的节点，即用户、资源和标签，并且每个超边具有三个端节点，连接用户、资源和用户用来注释资源的标签。那么，如何从三方超图中自动发现用户、资源和标签社区呢？在本文中，通过把这个问题转化为一个问题，找到一个有效的压缩超图的结构，我们提出了一个质量函数来衡量一个三方超图划分成社区的好。随后，我们提出了一种基于最小化质量函数的快速社区发现算法。我们解释了我们的方法的优点，并通过与一组合成数据集中的各种最先进的技术进行比较来验证它。
2010-11-04 cs.SI physics.soc-ph
Network communities within and across borders
我们研究了边界对空间嵌入式网络拓扑结构的影响。事实上，领土划分和地理边界极大地限制了网络的地理跨度，从而在网络社区的形成中发挥了关键作用。这一点在科学和技术决策中尤其重要，它突出表明了要求国际化导致建立全球创新体系的压力与国家和区域机构规定的行政边界之间的相互作用。在这项研究中，我们引入了一个外展指数来量化边界对社区结构的影响，并将其应用于欧洲和美国专利共同发明人网络的情况。我们发现，（a）美国的连接衰减作为距离的幂，而我们观察到一个更快的指数衰减欧洲;（b）欧洲网络社区基本上对应于国家和相邻地区，而美国社区跨越多个国家在整个国家没有任何特征的地理尺度。我们通过一组旨在探索不同模式的跨境社区结构和外展指数之间的关系的模拟来证实我们的研究结果。
2014-04-03 cs.SI physics.soc-ph
Detecting signal from science:The structure of research communities and prior knowledge improves prediction of genetic regulatory experiments
本研究提出贝叶斯计算方法，利用文献自动提取的基因相互作用数据与LINCS L1000实验匹配，发现科学聚焦且机构独立的研究更易复现，为科研资助政策提供指导。
2020-08-23 cs.SI physics.soc-ph q-bio.MN
Making Online Communities 'Better': A Taxonomy of Community Values on Reddit
本文通过调查212名Reddit用户并分析1,481条回答，构建了包含9个顶级类别和29个子类别的社区价值观分类体系，为在线社区价值观的定量研究和问题重构提供了新工具。
2023-09-20 cs.CY cs.HC cs.SI
Finding statistically significant communities in networks
社区结构是网络的主要结构特征之一，它揭示了网络的内部组织和基本单元的相似性。尽管提出了各种各样的方法来检测图中的社区，但仍然需要多用途技术，能够处理不同类型的数据集和社区结构的微妙之处。在本文中，我们提出了OSLOM（顺序统计局部优化方法），第一种方法能够检测网络中的边缘方向，边缘权重，重叠社区，层次结构和社区动态集群。它基于适应度函数的局部优化，该函数表达集群相对于随机波动的统计显着性，该显着性是使用极端和顺序统计工具估计的。OSLOM可以单独使用，也可以作为其他技术提供的分区/覆盖的细化过程。我们还实现了顺序算法结合OSLOM与其他快速技术，使社区结构的非常大的网络可以被发现。我们的方法具有可比的性能作为现有的最好的人工基准图的算法。实际网络上的几个应用程序也显示。OSLOM是在一个免费提供的软件（http：//www.example.com）中实现的，我们相信它将是网络分析中的一个有价值的工具。www.oslom.org
2011-05-04 cs.IR cs.SI physics.soc-ph
OLCPM: An Online Framework for Detecting Overlapping Communities in Dynamic Social Networks
社团结构是复杂网络最显著的特征之一。社区结构检测对于深入了解网络结构和功能具有重要意义。大多数建议都集中在静态网络上。然而，在动态网络中寻找社区更具挑战性，特别是当社区彼此重叠时。在这篇文章中，我们提出了一个在线算法，称为OLCPM，基于团渗流和标签传播方法。OLCPM可以检测重叠社区，并以细粒度在时间网络上工作。通过局部更新社区结构，OLCPM提供了显着的改善，在运行时间相比，以前的团渗透技术。在人工网络和真实网络上的实验结果表明了该方法的有效性。
2018-04-11 cs.DS cs.SI 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
Clustering online social network communities using genetic algorithms
为了分析在线社交网络（OSN）中的活动，我们引入了“吸引节点”（NoA）的概念，它代表了网络社区中最活跃的节点。该NoA被识别为吸引其他节点并在任何时间点形成集群的发布/通信的起源/发起者。在这项研究中，一个遗传算法（GA）被用作数据采掘方法，其主要目标是确定集群的网络社区在一个给定的OSN数据集。这种方法在处理我们研究的OSN中不同类型的讨论主题时是有效的-评论，电子邮件，聊天表情等，并且可以根据一个或多个主题形成集群。我们相信，这项工作可以是有用的，在寻找这种基于遗传算法的聚类的在线交互的传播源，并报告了一些实验结果与现实世界的数据，并证明了所提出的方法的性能。
2013-12-08 cs.SI physics.soc-ph
Mining for Geographically Disperse Communities in Social Networks by Leveraging Distance Modularity
参与者占据地理空间位置的社交网络在军事、情报和警务行动中普遍存在，如反恐、反叛乱和打击有组织犯罪。这些网络往往来自各种情报来源。发现地理上分散的社区是因为需要查明更高级别的组织结构，例如向地理上分散的各种恐怖主义小组提供支助的后勤小组。我们将Newman-Girvan模块化的一个变体应用于这个问题，称为距离模块化。为了解决这个问题，找到地理上分散的社区，我们修改了著名的鲁汶算法找到分区的网络，提供接近最佳的解决方案，这个数量。我们将该算法应用于来自两个现实世界的社交网络和恐怖主义网络数据集的大量样本，其节点具有相关的地理空间位置。我们的实验表明，这是一种有效的方法，并强调各种实际的考虑，当应用该算法的距离模块化最大化。一些军事、情报和执法组织正在与我们合作，进一步测试和部署这一新兴应用的软件。
2013-05-16 cs.SI physics.soc-ph
Community Aliveness: Discovering Interaction Decay Patterns in Online Social Communities
在线社交社区（OSC）提供了一个连接人们、分享新闻、获取信息和寻找工作的媒介。OSC成员之间的相互作用的动力学并不总是生长动力学。相反，$\textit{decay}$或$\textit{inactivity}$动态经常发生，这使得OSC过时。了解不活跃社区成员的行为和特征有助于维持这些社区的增长动力，并可能防止它们停止服务。在这项工作中，我们提供了两个预测模型预测社区成员的交互衰减，即：一个简单的阈值模型（STM）和监督机器学习分类框架。我们对我们的预测模型进行了评估实验，该模型由从StackExchange平台提取的衰变社区的$\textit{ground truth}$支持。实验结果表明，它是可能的，与令人满意的预测性能的F1分数和准确性方面，预测衰减的活动，这些社区的成员使用网络为基础的属性和网络的外源属性的成员。我们使用的方法的预测性能的上限是$0.91$和$0.83$的F1分数和准确性，分别。这些结果表明，基于网络的属性与成员的活动，我们可以找到这些属性的衰减模式。研究结果还表明，衰退群落的结构可以通过发现不活跃的成员来支持活着的群落。
2017-07-14 cs.SI physics.soc-ph
Science, AskScience, and BadScience: On the Coexistence of Highly Related Communities
当大型社交媒体平台允许用户轻松组建和自组织兴趣小组时，高度相关的社区就可能出现。例如，Reddit网站上不仅有一个名为“食物”的群组，还有HealthyFood、foodhacks、foodporn和cooking等。这些高度相关的社区是否是出于类似的原因而创建的（例如，聚焦于一个副主题，为所谓的更“高尚”的话语创造一个空间，等等）？当这些相近的选项可用或随着时间的推移出现时，用户如何在它们之间分配注意力？是否有不同类型的关系之间的密切替代品，如共享许多用户与一个新的社区吸引了一个老的成员与分裂组未能凝聚成一个可行的独立社区？我们使用来自reddit.com的数据调查了高度相关的社区之间的互动，这些数据包括跨越8年的9.75亿条帖子和评论。我们确定了一组典型的词缀，用户采用创建高度相关的社区，并建立一个词缀分类。关于用户行为的一个有趣的发现是：在创建新的社区之后，对于几种类型的高度相关的社区对，参与新社区的用户往往比不探索的用户在其原始社区中更活跃，即使在控制先前的参与程度时。
2016-12-22 cs.SI physics.soc-ph
Growing networks of overlapping communities with internal structure
我们引入了一个直观的模型，描述了社区结构的出现和社区内部结构的演变不断增长的社交网络。该模型包括两个互补的机制：一个机制占一个单一的社区的内部链接结构的演变，第二个机制协调多个重叠的社区的增长。第一种机制是基于这样的假设，即每个节点与其邻居建立链路，并以不同的速率向社区引入新节点。我们证明，这个简单的机制，产生了有效的最大程度的社区内。这一观察与人类学理论邓巴数有关，即，对一个普通个体在其社会群体中所能维持的最大数量的联系的经验性观察。第二种机制是基于最近提出的对社区结构的偏好附着的概括，适当地称为结构偏好附着（SPA）。将这两种机制结合到一个模型（SPA+）中，使我们能够再现真实网络的一些全局统计数据：社区大小、节点成员和度的分布。SPA+模型还预测了（a）重叠社区内度分布的三种定性制度，以及（b）节点所属社区数量与每个社区内连接数量之间的强相关性。我们提出的经验证据，支持我们的研究结果在真正的复杂网络。
2016-08-25 cs.SI physics.soc-ph
Evolution of Communities with Focus on Stability
社区发现是分析手机用户社交图谱的重要工具。在静态图中寻找社区的问题已经得到了广泛的研究。然而，由于移动社交网络随着时间的推移而发展，静态图算法是不够的。为了在实践中有用（例如，当由电信分析师使用时），分区的稳定性变得至关重要。我们在本文中解决了这个特殊的用例：在动态场景中跟踪社区的演变，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：我们引入固定节点和优先附件预先存在的社区。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。
2013-12-03 cs.CY cs.SI physics.soc-ph
Finding polarised communities and tracking information diffusion on Twitter: The Irish Abortion Referendum
该研究基于 2018 年爱尔兰堕胎公投的 Twitter 数据，利用情感同质性网络和社区检测识别对立阵营，并通过转发级联揭示极化群体间信息传播极少。
2024-12-04 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
An efficient and principled method for detecting communities in networks
网络数据分析中的一个基本问题是检测网络社区，即密集互连的节点组，这些节点可能重叠或不相交。在这里，我们描述了一种基于原则性统计方法使用生成网络模型来寻找重叠社区的方法。我们展示了如何使用一个快速的，封闭形式的期望最大化算法，使我们能够分析网络的数百万个节点在合理的运行时间可以实现的方法。我们在真实世界的网络和合成基准测试的方法，发现它给出的结果与以前的方法竞争。我们还表明，同样的方法可以用来提取非重叠社区划分通过松弛法，并证明该算法是有竞争力的快速和准确的非重叠问题。
2011-04-18 cond-mat.stat-mech cs.SI physics.soc-ph
Back to the Communities: A Mixed-Methods and Community-Driven Evaluation of Cultural Sensitivity in Text-to-Image Models
University of Southampton（南安普顿大学）；King’s College London（伦敦国王学院）；University of Nottingham（诺丁汉大学）
本文提出一种基于社区的混合方法评估方法论，通过定量与定性分析揭示了文本到图像模型中文化错误表征的来源与影响，并提供可操作建议。
2025-10-31 cs.CY cs.SI
Evaluating the effect of topic consideration in identifying communities of rating-based social networks
Mazandaran University of Science and Technology（马赞达兰科技大学）
在社会网络中寻找有意义的社区已经引起了许多研究者的关注。复杂网络的社团结构揭示了复杂网络的组织结构及其成员之间的隐藏关系。社区发现领域的大多数研究主要集中在网络的拓扑结构上，没有进行任何内容分析。如今，现实世界的社交网络包含了大量的信息，包括共享对象，评论，以下信息等，在最近几年，一些研究已经提出的方法，考虑在网络中交换的内容和网络的拓扑结构，以找到更有意义的社区。在本研究中，主题分析的效果，发现更有意义的社区在社交网站中，用户表达他们的感情对不同的对象（如电影）通过评级的手段进行了广泛的实验证明。
2016-04-26 cs.LG cs.SI stat.ML
Detecting Antagonistic and Allied Communities on Social Media
多年来，社交媒体上的社区发现引起了相当大的关注。然而，现有的方法没有揭示社区之间的关系。由于各种因素，社区可以形成联盟或进行对抗，例如，共同或冲突的目标和价值观。揭示这种关系可以提供更好的见解，以了解社区和社交媒体的结构。根据社会科学的研究结果，来自不同社区的成员对彼此的态度在很大程度上取决于他们的社区成员身份。因此，我们假设，在社交媒体中的用户之间表达的社区间的态度有可能反映他们的社区间的关系。因此，我们首先在社交媒体的背景下验证这一假设。然后，受假设的启发，我们开发了一个框架，通过联合建模用户的态度和社会互动来检测社区及其关系。我们使用三个真实世界的社交媒体数据集来展示我们框架的有效性。
2018-07-10 cs.SI
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
Vertex-centred Method to Detect Communities in Evolving Networks
在不断发展的网络中寻找社区是一项艰巨的任务，并提出了不同于经典静态检测案例的问题。我们介绍了一种基于最近的顶点为中心的范例的方法。所提出的算法，名为DynLOCNeSs，通过扫描和评估每个顶点邻域，这可以独立地在一个并行的方式来检测社区。它是通过偏好测量来完成的，使用这些偏好来处理社区的变化。我们还引入了一个新的顶点邻域偏好度量，CWCN，比目前现有的在考虑的上下文中更有效。实验结果表明，该措施的相关性和所提出的方法来检测经典的社区演化模式，如增长收缩和合并分裂的能力。
2016-11-25 cs.DM cs.SI physics.soc-ph
Disadvantaged Communities Have Lower Access to Urban Infrastructure
空间可达性的差异与城市社区之间日益严重的不平等密切相关。由于提高某些社区的无障碍水平可以为他们提供向上的社会流动性，并解决城市中的社会排斥和不平等问题，因此必须了解城市社区空间无障碍的性质和分布。为了支持决策者在城市政策干预中实现包容性和公平性，我们提出了一个开源和数据驱动的框架，以了解不同人口统计数据之间基础设施无障碍的空间性质。我们发现，在任何城市（54个城市）的基础设施的广泛的可访问性收敛到齐普夫定律，这表明不平等也出现在这些城市的增长过程成正比。然后，评估这些城市的社会经济集群的城市配置文件之间的空间不平等，我们发现城市社区明显隔离沿社会和空间线。我们发现，少数民族比例较大、收入较低、拥有大学学位的人数相对较少的人群的可及性得分较低。这些研究结果表明，我们提出的可重复的框架可能有助于理解导致空间不平等的过程，并支持城市制定有针对性的措施，以解决某些贫困社区的不平等问题。
2022-03-25 cs.CY cs.SI physics.soc-ph
Evolutionary method for finding communities in bipartite networks
揭示网络结构和网络上定义的动态之间的关系的一个重要步骤是检测社区，并且已经分别开发了许多方法来识别不同类别的网络中的社区结构，例如单部网络，二部网络和有向网络。我们证明了单部网络和有向网络都可以表示为二部网络，并且它们的模块性与二部网络的模块性完全一致，其上的模块结构的检测可以重新表述为模块性最大化。为了优化二分模块，我们开发了一种改进的自适应遗传算法（MAGA），这是特别有效的社区结构检测。MAGA的高效率是基于我们所做的以下三个改进。首先，我们引入了一个不同的测量基因座的信息量，而不是标准差，它可以准确地确定哪些基因座突变。该度量是基因座在当前群体上的分布与基因座的均匀分布之间的偏差，即，Kullback-Leibler分歧其次，我们开发了一种重新分配技术，用于区分一个位点在初始阶段从随机状态中获得的信息状态。第三，我们提出了一种改进的变异规则，通过加入相关操作，可以保证MAGA收敛到全局最优，并可以加快收敛过程。实验结果表明，MAGA优于现有的方法在模块性方面的二部和单部网络。
2011-06-04 cond-mat.stat-mech cs.NE cs.SI
Detecting Community Structures in Hi-C Genomic Data
社区检测（CD）算法应用于Hi-C数据，以发现人类和小鼠DNA的3D构象中的新的基因座社区。我们发现CD比现有的方法有一些明显的优势：（1）它能够找到可变数量的社区，（2）它可以检测1D序列中相邻或遥远的DNA位点社区，（3）它允许我们获得k的原则值，社区的数量。强迫k = 2，我们的方法恢复了Lieberman-Aiden等人（2009）的早期发现，但让k为参数，我们的方法获得最佳值k = 6，发现新的候选社区。除了发现划分整个染色体的大社区外，我们还表明CD可以检测小规模拓扑关联域（TADs），例如Dixon等人（2012）中发现的那些。因此，CD提供了一个自然和灵活的统计框架，理解DNA的折叠结构在多个尺度上的Hi-C数据。
2015-09-17 cs.SI q-bio.GN stat.AP
It is rotating leaders who build the swarm: social network determinants of growth for healthcare virtual communities of practice
目的：本文的目的是通过一项为期七年的纵向研究，确定影响医疗保健虚拟实践社区（VCoPs）增长的因素，该研究使用社交网络和语义分析的指标。通过研究社交互动的三个维度（连通性，互动性和语言使用）的在线交流，作者旨在为VCoP管理者提供有价值的见解，以提高他们社区的成功。设计/方法/办法：分析了7年（2008年4月至2015年4月）期间以及16个不同医疗保健VCoP的14，000名成员在同一网络平台上共存的通信。多层次回归模型被用来揭示随着时间的推移，社区增长的主要决定因素。自变量来自社会网络和语义分析措施。结果：结果表明，结构和内容为基础的变量预测社区的增长。逐渐地，如果一个社区的结构更加集中，领导者更加活跃（他们轮换得更多），并且帖子中使用的语言不那么复杂，那么更多的人会加入这个社区。研究限制/影响：现有的数据集包括一个Web平台和数量有限的控制变量。为了巩固本研究的结果，该实验应在其他医疗保健VCoPs上复制。创意/价值：该研究为建立和培育专业社区的发展提供了有益的建议，同时考虑到社区成员之间的互动模式，这些互动的动态演变和语言的使用。新的分析工具，连同使用创新的互动指标，可以显着影响社区的增长，如轮换领导。
2021-05-26 cs.CL cs.SI physics.soc-ph
