Detecting Cohesive and 2-mode Communities in Directed and Undirected Networks
网络是表示对象之间关系信息的通用语言。对网络进行建模、推理和总结的一种有效方法是发现具有共同连接模式的节点集。这样的集合通常被称为网络社区。网络社区发现的研究主要集中在无向网络中密集连接节点的社区识别。在本文中，我们开发了一种新的重叠社区发现的方法，可扩展到数以百万计的节点和边缘的网络，并沿两个维度推进研究：社区的连接结构，并使用边缘定向社区发现。首先，我们扩展了传统的网络社区的定义，通过观察节点可以以两种不同的方式紧密相连：在有凝聚力的社区中，节点相互链接，而在2模式社区中，节点以二分的方式链接，其中链接在两个分区之间占主导地位，而不是在它们内部。我们的方法成功地检测2模式以及凝聚力的社区，也可能重叠或分层嵌套。第二，虽然大多数现有的社区发现方法对待有向边缘，好像他们是无向的，我们的方法占边缘方向，并能够识别新的和有意义的社区结构，在有向和无向网络，使用数据从社会，生物和生态领域。
2014-01-29 cs.SI physics.soc-ph
Coexistence of opposite opinions in a network with communities
多数规则适用于由两个耦合的随机网络组成的拓扑结构，从而模仿在社交网络中观察到的模块化结构。我们计算分析模型的渐近行为，并推导出一个相图，取决于随机意见翻转的频率和两个社区之间的互联性。结果表明，三个政权可能会发生：一个无序的政权，没有集体现象发生;一个对称的政权，在两个社区的节点达到相同的平均意见;一个不对称的政权，在每个社区的节点达到相反的平均意见。从非对称制度的对称制度的过渡被证明是不连续的。
2007-03-29 physics.soc-ph
Defining and Evaluating Network Communities based on Ground-truth
真实世界网络中的节点组织成紧密相连的社区，其中边缘在社区成员中高度集中。识别这样的节点社区已被证明是一项具有挑战性的任务，主要是由于社区的定义过多，算法难以处理，评估问题以及缺乏可靠的黄金标准真值。在本文中，我们研究了一组230个大型的现实世界的社会，协作和信息网络，其中节点显式地说明他们的组成员。例如，在社交网络中，节点明确地加入各种基于兴趣的社交群组。我们使用这样的群体来定义可靠和强大的真值社区概念。然后，我们提出了一种方法，使我们能够比较和定量评估如何不同的结构定义的网络社区对应于真值社区。我们选择了13种常用的网络社区结构定义，并研究了它们在识别真值方面的敏感性、鲁棒性和性能。我们发现，13个结构的定义是高度相关的，自然分为四类。我们发现，这些定义中的两个，电导和三合会参与比，始终给出最好的性能，在确定真值社区。我们还研究了一个任务，检测社区给定一个单一的种子节点。我们将局部谱聚类算法扩展为一种启发式的无参数社区发现方法，该方法可以轻松扩展到具有超过一亿个节点的网络。所提出的方法实现了30%的相对改善，目前的局部聚类方法。
2012-11-06 cs.SI physics.soc-ph
Uncovering nodes that spread information between communities in social networks
从在线社交网络中收集的许多数据集中，已经观察到定义明确的社区结构。大量的用户参与这些网络，所产生的图形的大小带来了计算上的挑战。在识别负责社区之间信息流的节点方面有特别的需求;例如，在时间Twitter网络中，当社区之间的连接稀疏并且不同节点集群之间存在很少的边缘时，社区之间的边缘在传播活动峰值方面发挥着关键作用。这里提出的新算法的目的是通过测量一个节点到另一个社区节点的邻近程度来揭示这些关键连接。我们看看在一个以上的社区和他们周围的节点，影响接收到的信息和广播给他们的地方的边缘的节点。该方法依赖于一个选定的固定数量的步骤，从一个以上的社区与边缘的节点起源的独立随机游走。对于我们所考虑的大型网络，现有的度量（如介数中心性）很难计算，即使使用最新的方法来近似所需的大量操作。因此，我们设计了一种算法，可扩展到当前的大数据需求的需求，并有能力利用并行处理能力。新算法在合成数据上进行了说明，可以仔细判断结果，也可以在真实的大规模Twitter活动数据上进行说明，可以获得新的见解。
2014-01-14 cs.SI physics.soc-ph
Identification of Overlapping Communities by Locally Calculating Community-Changing Resolution Levels
Lancichinetti、Kertesz和Lancichinetti（LFK）去年提出了一种用于检测网络中重叠自然社区的算法。LFK算法通过最大化社区的局部适应度来构建（原则上）图的所有节点的自然社区。产生的模块可能会重叠。对于许多分辨率值，社区的生成可以很容易地重复;从而允许网络上不同分辨率的不同视图。我们以不同的方式实现了LFK算法的主要思想--生成网络中每个节点的自然社区。我们从分辨率参数的值开始，该值足够高，每个节点都是自己的自然社区。一旦分辨率降低，每个节点就会随着其社区成员（即自然社区）的增长而获得其他节点。对于在某个分辨率级别找到的每个社区，我们计算添加节点的下一个较低分辨率。在将节点添加到种子节点的社区后，我们检查它是否也是我们已经分析过的节点的自然社区。在这种情况下，我们可以停止扩展种子节点的社区。我们测试了我们的算法在一个小的基准图和网络上的约500篇论文在信息科学（加权索尔顿指数的书目耦合）。在我们的测试中，这种方法会导致分辨率的特征范围，其中大的分辨率变化不会导致自然群落的增长。这种稳定的模块也是通过应用LFK算法获得的，但由于我们在一次运行中确定了所有分辨率值的社区，因此我们的方法比LFK参考更快。而且我们的算法更容易揭示图的层次结构。
2010-08-05 physics.data-an physics.soc-ph
Community Detection in Networks with Node Attributes
社区发现算法是一种基本的工具，它使我们能够揭示网络中的组织原则。当检测社区时，有两种可能的信息源可以用途：网络结构，以及节点的特征和属性。即使社区围绕具有共同边缘和共同属性的节点形成，通常，算法仅关注这两种数据形式之一：社区发现算法传统上仅关注网络结构，而聚类算法大多仅考虑节点属性。在本文中，我们开发的社区从边缘结构和节点属性（CESNA），一个准确的和可扩展的算法，用于检测重叠的社区在网络中的节点属性。CESNA对网络结构和节点属性之间的相互作用进行统计建模，这导致更准确的社区发现以及在网络结构中存在噪声的情况下改进的鲁棒性。CESNA在网络规模上具有线性运行时间，并且能够处理比可比方法大一个数量级的网络。最后，CESNA还通过查找每个社区的相关节点属性来帮助解释检测到的社区。
2014-01-28 cs.SI physics.soc-ph
Detecting Important Nodes to Community Structure Using the Spectrum of the Graph
许多复杂系统都可以表示为网络，而网络如何分解成子网或社区是人们广泛关注的问题。然而，开发一种快速准确地检测对社区重要的节点的方法是一个非常具有挑战性和开放性的问题。在本文中，我们介绍了一种新的方法来表征节点对社区的重要性。首先，提出了一种中心性度量，利用邻接矩阵的谱来度量网络节点对社区结构的重要性。我们将节点对社区的重要性定义为网络邻接矩阵的特征值在移除后的相对变化。其次，我们还提出了一个指标来区分社区中的两种重要节点，即，“社区核心”和“桥梁”。我们的指标只依赖于图矩阵的谱。它们被应用于许多人工网络以及许多现实世界的网络。这种新的方法为我们提供了一个基本的方法来解决这个具有挑战性的问题，并提供了一个现实的结果。
2011-08-02 cs.SI physics.soc-ph
Modeling and Detecting Communities in Node Attributed Networks
社区作为现实网络中的一种基本结构，除了图的拓扑结构外，还可以通过丰富的节点属性来反映。在属性社区发现中，概率生成模型（PGMs）由于其原则性的特征描述和竞争性的性能而成为主流方法。在这里，我们提出了一种新的PGM不施加任何分布假设的属性，这是优于现有的PGM，需要属性是分类或高斯分布。该模型基于图结构的块模型，通过描述属性对节点流行度的影响来引入属性。为了定量地描述这种影响，我们分析了我们模型的社区可检测性，然后建立了节点流行度项的要求。这为选择和求解属性社区发现模型中的关键模型选择问题提供了一种新的解决方案。在模型确定的基础上，提出了一种有效的参数估计算法和群落推断算法。从两个方面对所提出的方法进行了验证。首先，我们的算法的有效性从理论上保证了可检测性条件。第二，大量的实验表明，我们的方法不仅优于竞争的方法在所采用的数据集，但也显示出更好的适用性，以各种节点属性的网络。
2022-05-30 cs.SI physics.soc-ph
Link communities reveal multiscale complexity in networks
网络已经成为理解相互作用对象系统的关键方法，统一了对包括生物有机体和人类社会在内的各种现象的研究。研究网络结构和动力学的一个关键步骤是识别社区：对应于功能亚基（如蛋白质复合物或社会领域）的相关节点组。网络中的社区经常重叠，使得节点同时属于几个组。同时，许多网络都具有层次结构，其中社区递归地分组为层次结构。然而，事实上，许多真实的网络具有普遍重叠的社区，其中每个节点都属于一个以上的组，其结果是节点的全局层次结构无法捕获重叠组之间的关系。在这里，我们重塑社区的链接，而不是节点的群体，并表明这种非正统的方法成功地调和了对立的组织原则重叠的社区和层次结构。与现有的文献相比，它完全集中在分组节点，链接社区自然纳入重叠，同时揭示层次结构。我们在许多网络中发现了相关的链接社区，包括主要的生物网络，如蛋白质-蛋白质相互作用和代谢网络，并表明一个大型的社会网络包含分层组织的社区结构，跨越市中心到区域尺度，同时保持普遍的重叠。我们的研究结果表明，链接社区是基本的构建块，揭示了重叠和层次组织在网络中是同一现象的两个方面。
2010-09-14 physics.data-an physics.soc-ph q-bio.QM
Line Graphs, Link Partitions and Overlapping Communities
在本文中，我们使用一个划分的链接的网络，以揭示其社区结构。这种方法允许社区在节点处重叠，使得节点可以在多个社区中。我们通过对原始网络的线图进行节点划分来做到这一点。通过这种方式，我们表明任何产生节点分区的算法都可以用于产生链接分区。我们讨论的程度异质性的作用，并提出了一个加权版本的线图，以说明这一点。
2009-07-24 physics.data-an physics.soc-ph
Finding overlapping communities in networks using evolutionary method
社团结构是现实网络的一个典型性质，已成为理解网络系统动力学的关键。在这些网络中，大多数节点显然位于一个社区中，但往往存在一些节点跨越几个社区。一个理想的社区发现算法是最好的，它可以识别这种网络中的重叠社区。为了表示重叠的划分，我们开发了由两个部分组成的编码模式，第一个部分表示不相交的分区，第二个部分表示允许多个成员资格的分区的扩展。我们给出了一个衡量一个节点的信息量，并提出了一个进化的方法来检测网络中的重叠社区。
2013-02-27 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
Modularity measure of networks with overlapping communities
在本文中，我们引入了一个非模糊的措施，已被设计成重叠社区的网络节点的分区排名。这样的措施可以是有用的量化集群检测到的各种方法，并在寻找重叠的社区结构的优化方法。文中讨论了重叠模块分离的理论问题，并给出了一个可能的应用实例。
2009-10-27 physics.soc-ph
Structure and Overlaps of Communities in Networks
在现实世界的社会，信息和技术网络的主要组织原则之一是网络社区，其中节点组组织成密集连接的集群。尽管检测这样的社区是非常感兴趣的，了解大型网络中的结构社区仍然相对有限。由于没有标记的地面实况数据，实际上不可能大规模地评估和比较不同的模型和社区概念。在本文中，我们确定了6个大型的社会，协作和信息网络，其中节点显式地说明他们的社区成员。我们通过使用这些明确的成员资格来定义地面实况社区。然后，我们实证研究如何在网络中出现这样的地面真相社区，以及它们如何重叠。我们观察到一些令人惊讶的现象。首先，地面实况社区包含高度的枢纽节点，这些节点位于社区重叠中，并链接到社区的大多数成员。第二，社区的重叠部分比社区的非重叠部分连接得更紧密，这与社区重叠部分比社区本身连接得更稀疏的传统智慧形成对比。现有的网络社区模型不能捕捉到密集的社区重叠。我们提出了社区关联图模型（AGM），网络社区结构的概念模型，它可靠地捕捉网络的整体结构以及网络社区的重叠性质。
2012-09-25 cs.SI physics.soc-ph
Community detection using boundary nodes in complex networks
我们提出了一个新的本地社区检测算法，发现社区之间的边界线，使用边界节点。我们的方法执行标签传播社区检测，其中节点决定他们的标签的基础上表现出最大的“效益分数”的近邻作为吸引他们的社区。我们尝试了不同的指标，发现使用共同邻居的数量作为收益分数可以为社区结构做出更好的决策。该算法具有局部逼近的特点，在标签传播迭代过程中只关注边界节点，消除了不必要的步骤，缩短了整体执行时间。它保留了小社区以及大社区，并且在识别社区的质量方面优于其他算法，特别是当社区结构很微妙时。该算法具有分布式的性质，可以在大型网络上以并行的方式使用。
2018-08-03 cs.SI physics.soc-ph
Egomunities, Exploring Socially Cohesive Person-based Communities
在过去的几年里，人们对复杂网络中的重叠社区检测产生了极大的兴趣，这被理解为具有低出站密度的密集节点组。到目前为止，大多数用于计算这样的社区的方法源于不相交的社区发现领域，通过将模块化的概念扩展到重叠的上下文中，或者通过尝试将整个节点集分解为几个可能重叠的子集。在这份报告中，我们采取了正交的方法，引入了一个度量，凝聚力，植根于社会学的考虑。内聚度量化了一组给定节点的社区性，基于三角形（连接节点的三元组）和弱联系的概念，而不是仅使用边缘密度的经典观点。如果一组节点具有高密度的三角形，并且与网络的其余部分相交的三角形很少，则该节点具有高凝聚力。因此，我们引入了社区的数值表征：具有高凝聚力的节点集。然后，我们提出了一种新的方法来解决重叠社区的问题，通过引入自我社区的概念，这是主观的社区围绕一个给定的节点，特别是在其邻域内。我们建立在凝聚力，构建一个启发式算法，输出一个节点的自我社区，试图最大限度地提高他们的凝聚力。我们说明了我们的方法的相关性与Facebook的朋友之间的一个人的自我社区的详细描述。最后，我们通过描述自我社区的有前途的应用，如信息推理和兴趣推荐，并提出了一个可能的扩展加权网络的情况下的凝聚力。
2011-02-19 cs.NI cs.SI physics.soc-ph
Detecting network communities via greedy expanding based on local superiority index
社区发现是网络科学中一个重要而又具有挑战性的课题。近年来，社区发现的局部方法受到了广泛的关注。贪婪扩展算法是一种流行而有效的局部算法，它通常从选定的中心节点开始，通过优化某个质量函数来扩展这些节点以获得临时社区。在本文中，我们提出了一种新的指数，称为本地优势指数（LSI），以确定中心节点。在扩展过程中，我们应用适应度函数来估计临时社区的质量，并确保所有临时社区必须是弱社区。基于归一化互信息的评价结果表明：（1）在考虑最多的网络上，LSI优于全局最大度指标和局部最大度指标;（2）在考虑最多的网络上，基于LSI的贪婪算法优于经典的快速算法。
2022-02-12 cs.SI physics.soc-ph
Community detection in hypergraphs through hyperedge percolation
本文提出两种超边渗流社区检测方法，并证明直接基于超边与基于成对投影的团渗流结果不同，且限制最大超边规模的方法更适合弱连接场景，在合成和真实超图上验证了有效性。
2025-06-17 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
Emergence of network communities driven by local rules
本文通过数值模拟引入 Ramsey 社区数，证明在随机块模型和 Infomap 方法下，网络社区是由局部规则驱动的涌现属性，无需节点异质性。
2025-06-09 cond-mat.dis-nn cs.DM cs.SI
Community Detection via Random and Adaptive Sampling
在本文中，我们考虑由有限数量的非重叠社区组成的网络。为了提取这些社区，可以从大的可用数据集中采样节点对之间的交互，这允许对给定的节点对进行多次采样。当对节点对进行采样时，观察到的结果是一个二进制随机变量，如果节点相互作用，则等于1，否则等于0。如果节点属于相同的社区，则结果更有可能是积极的。对于给定的节点对样本或观测预算，我们希望联合设计一个采样策略（采样节点对的序列）和一个聚类算法，以尽可能高的准确度恢复隐藏的社区。我们考虑非自适应和自适应采样策略，并为这两类策略，我们得到的基本性能限制满足任何采样和聚类算法。特别是，我们提供了必要的条件，准确地恢复社区的网络规模越来越大的算法的存在。我们还设计了简单的算法，准确地重建社区时，这是在所有可能的，因此证明了准确的社区发现的必要条件也是足够的。随机块模型中的经典社区发现问题可以看作是这里考虑的问题的一个特例。但是我们的框架涵盖了更一般的场景，其中采样节点对的序列可以以自适应的方式设计。本文对随机区组模型给出了新的结果，并将分析推广到自适应抽样的情况。
2014-02-19 cs.SI physics.soc-ph
Discovering link communities in complex networks by exploiting link dynamics
复杂网络中社区的发现是一个基本的数据分析问题，在许多领域都有应用。大多数现有的方法都集中在发现社区的节点，而最近的研究表明，网络中的链接社区的知识有很大的优势和效用。从这个新的角度来看，我们提出了一个基于链接动态的算法，称为UELC，用于识别网络的链接社区。在UELC中，链路-节点-链路随机游动的随机过程被用来展开网络中链路的嵌入式二分结构。然后，利用马尔可夫链的随机游走的局部混合属性来提取两个出现的链接社区。此外，随机游走和二分区过程被包裹在迭代细分策略中，以递归地识别将网络链路隔离成多个细分的链路分区。我们评估了新方法在合成基准上的性能，并在现实世界的网络上展示了其实用性。我们的实验结果表明，我们的方法是非常有效的发现复杂网络中的链接社区。作为比较，我们还扩展了UELC来提取节点的社区，并表明它是有效的节点社区识别。
2013-03-19 cond-mat.stat-mech cs.SI physics.soc-ph
Identifying communities by influence dynamics in social networks
社区不是静态的;它们进化、分裂和合并、出现和消失，即它们是支配网络进化的动态过程的产物。一个好的社区发现算法不仅要量化网络的拓扑结构，而且要考虑网络中发生的动态过程。我们提出了一种新的算法，社区检测，结合网络结构的过程，支持创建和/或进化的社区。该算法并没有采用通用的方法，而是试图专注于社交网络，并对这些网络上发生的动态社交互动进行建模。它识别领导者，以及围绕这些领导者形成的社区。它通过将每个节点与描述节点在每个社区中的参与的成员关系向量相关联来自然地支持重叠社区。通过这种方式，除了重叠的社区之外，我们还可以识别出作为其领导者的良好追随者的节点，以及没有明确社区参与的节点，这些节点作为多个社区之间的代理，并且同样重要。我们运行的算法，几个真正的社交网络，我们认为代表了一个很好的一部分，广泛的身体社交网络和讨论的结果，包括其他可能的应用。
2011-11-23 cond-mat.stat-mech cs.SI physics.soc-ph
CLOVE: Travelling Salesman's approach to hyperbolic embeddings of complex networks with communities
本文提出 CLOVE 双曲网络嵌入方法，利用社区对应角扇区的特性，通过分层排列并以旅行商问题优化角度顺序，在质量和效率上优于多数方法。
2024-10-04 physics.soc-ph
Benchmarks for testing community detection algorithms on directed and weighted graphs with overlapping communities
许多复杂的网络显示出一种介观结构，其中节点组与该组中的其他节点共享许多链接，而与不同组的节点共享的链接相对较少。这个特征被称为社区结构，它编码了关于节点的组织和功能的宝贵信息。已经提出了许多算法，但尚不清楚如何测试它们。最近，我们提出了一般类的无向和无权的基准图，与异质分布的节点度和社区大小。越来越多的注意力最近一直致力于开发算法，能够考虑的方向和重量的链接，这需要合适的基准测试图。在本文中，我们扩展了我们之前的基准测试背后的基本思想，以生成具有内置社区结构的有向和加权网络。我们还考虑了节点属于更多社区的可能性，这是真实系统中出现的一个特征，例如，e。例如，在一个实施例中，社交网络。作为一个实际应用，我们展示了模块化优化如何在我们的新基准上执行。
2009-07-31 physics.comp-ph physics.soc-ph
SLPA: Uncovering Overlapping Communities in Social Networks via A Speaker-listener Interaction Dynamic Process
重叠是社交网络的特征之一，在这种网络中，一个人可能属于一个以上的社会群体。因此，发现重叠结构对于现实的社会分析是必要的。在本文中，我们提出了一种新的，一般的框架来检测和分析个人重叠节点和整个社区。在这个框架中，节点根据动态交互规则交换标签。一个具体的实现称为扬声器-听众标签传播算法（SLPA 1）在识别重叠节点和重叠社区具有不同程度的多样性表现出优异的性能。
2011-11-10 cs.DS cs.SI physics.soc-ph
Community Detection with Node Attributes and its Generalization
社区发现算法是理解社交网络中组织原则的基本工具。随着社交媒体平台的日益强大，当检测社区时，存在可以用途：社交网络的结构和节点属性的两个可能的信息源。然而，在社区发现的研究中，社交网络的结构和节点属性往往被分开解释。当这两个来源同时解释，一个共同的假设共享以前的研究是，节点属性与社区。本文提出了一种模型，该模型能够将拓扑信息和节点属性信息相结合，而无需假设相关性。该模型在节点属性与社区不相关的情况下，仍能以较高的精度恢复社区。我们推导出该模型的可检测性阈值，并使用置信传播（BP）进行推理。该算法是最佳的，因为它可以恢复社区的所有方式下降到阈值。这种新模型也有可能处理边缘内容和动态设置。
2016-04-12 cs.SI physics.soc-ph stat.ML
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
The impact of partially missing communities~on the reliability of centrality measures
网络数据通常不是无误差的，某些节点的缺失是一种非常常见的测量误差。研究表明，缺失节点会严重影响中心性度量的可靠性。本文研究了当缺失节点可能属于同一社区时中心性测度的可靠性。我们研究了五种常用的中心性度量在均匀网络和无标度网络中的行为。我们发现，中心性措施通常更可靠的情况下，失踪的节点很可能属于同一个社区比在节点失踪均匀随机。然而，在无标度网络中，当缺失节点更有可能属于同一社区时，介数中心性变得不那么可靠。此外，无标度网络中的中心性度量在社区结构较强的网络中更可靠。相比之下，我们没有观察到均匀网络的这种效应。我们的观察结果表明，缺失节点对中心性度量的可靠性的影响可能不像文献中所说的那样严重。
2017-09-20 cs.SI physics.soc-ph
Motif-based communities in complex networks
社区定义通常侧重于社区内部和社区之间的边缘。然而，社区内边缘的高密度决定了超越最近邻居的节点之间的相关性，并且这些相关性由图案的存在来表示。我们展示了如何图案可以用来定义一般类的节点，包括社区，通过扩展的数学表达式的纽曼-Girvan模块化。然后，我们构建了一个通用的框架，并将其应用到一些合成和真实的网络。
2007-09-29 physics.comp-ph physics.data-an 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
Near linear time algorithm to detect community structures in large-scale networks
社区检测和分析是理解各种现实世界网络组织的重要方法，并在社会社区的共识形成或生化网络中功能模块的识别等各种问题中具有应用。目前使用的算法，确定在大规模的现实世界的网络中的社区结构需要先验信息，如社区的数量和大小或计算昂贵。在本文中，我们研究了一个简单的标签传播算法，使用网络结构单独作为其指导，既不需要优化一个预先定义的目标函数，也不需要先验信息的社区。在我们的算法中，每个节点都使用一个唯一的标签进行初始化，并且在每一步中，每个节点都采用其大多数邻居当前拥有的标签。在这个迭代过程中，密集连接的节点组在唯一标签上形成共识，形成社区。我们通过将其应用于社区结构已知的网络来验证该算法。我们还证明了该算法几乎需要线性的时间，因此它是计算成本较低，比什么是可能的。
2007-09-19 physics.soc-ph
Topological communities in complex networks
本文提出拓扑社区这一新框架，用于捕捉经典社区检测遗漏的基于角色相似性的网络结构，补充现有几何邻近性分析，并在机场网络和人类连接组等数据上展示其洞察力。
2024-09-20 cond-mat.dis-nn 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
Mining Target Attribute Subspace and Set of Target Communities in Large Attributed Networks
社区发现为各种应用提供了宝贵的帮助，例如营销和产品推荐。针对纯网络设计的传统社区发现方法在具有属性信息的属性网络中可能无法检测出内部具有同质属性的社区。大多数最近的属性社区发现方法可能无法捕获特定应用程序的需求，并且不能挖掘特定应用程序所需的社区集合。在本文中，我们的目标是检测目标子空间中的目标社区的集合，其中有一些焦点属性具有大的重要性权重，满足特定的应用程序的要求。为了提高大学的问题，我们解决的问题，在一个极端的情况下，在任何潜在的目标社区只有两个样本节点提供。提出了一种目标子空间和社区挖掘方法。在TSCM中，设计了一种样本信息扩展方法，将两个样本节点扩展为一组样本节点，从这些样本节点中推断出目标子空间。然后基于目标子空间定位和挖掘目标社区集。在人工数据集上的实验表明了该方法的有效性和效率，在真实数据集上的应用表明了该方法的应用价值。
2017-05-10 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
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
Versatility of nodal affiliation to communities
网络社区结构的图论分析试图识别每个节点所属的社区（或模块）。然而，在大多数情况下，这是一个不适定的问题，因为一个节点到一个社区的从属关系往往是模糊的。以前的解决方案试图识别每个节点所属的所有社区。我们没有采用这种方法，而是引入了多功能性$V$作为节点隶属关系的新指标：$V \sim 0$意味着节点被一致地分配给特定社区; $V \gg 0$意味着它被不一致地分配给不同的社区。多功能性与现有的社区检测算法结合使用，它满足了理想化网络中许多理论上理想的属性，这些理想化网络旨在最大限度地提高模块分解的模糊性。全局平均通用性的局部最小值确定了分层社区检测算法的分辨率参数，该算法最不含糊地分解了社交（空手道俱乐部）网络和小鼠大脑连接体的社区结构。我们的研究结果表明，节点的多功能性是有用的量化模块化分解的固有的模糊性。
2017-01-03 cs.SI physics.soc-ph q-bio.QM
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
Debiasing Community Detection: The Importance of Lowly-Connected Nodes
社区发现是社会网络分析中的一项重要任务，它使我们能够识别和理解社会结构中的社区。然而，许多社区发现方法或者未能将低度（或低连接）用户分配到社区，或者将他们分配到微不足道的小社区，从而阻止他们被包括在分析中。在这项工作中，我们研究如何排除这些用户可以偏见的分析结果。然后，我们引入了一种方法，通过将低连接用户纳入更大的群体，对他们更具包容性。实验表明，我们的方法优于现有的国家的最先进的F1和Jaccard相似性分数，同时减少对低程度的用户的偏见。
2019-03-19 cs.SI physics.soc-ph
A New Comparative Definition of Community and Corresponding Identifying Algorithm
本文提出了一种新的网络社区比较定义，并给出了相应的检测算法。社区被定义为一组节点，这些节点满足社区内每个节点的度不应小于该节点对任何其他社区的度。在该算法中，社区对节点的吸引力被定义为它们之间的连接。然后采用基于吸引力的自组织过程，不需要任何额外的参数，可以检测出最佳社区。分析了几个人工网络和真实世界的网络，包括扎卡里空手道俱乐部网络和大学足球网络。该算法在发现社区方面效果良好，并且对网络划分和群体形成也给出了很好的描述。
2008-02-02 physics.soc-ph
Map equation for link community
社区结构存在于许多现实世界的网络中，并已被报道与网络的几个功能属性。传统的方法是将节点划分为社区，而最近的一些研究开始划分链接而不是节点，以有效地找到重叠的节点社区。我们扩展了地图方程方法，这是最初开发的节点社区，在网络中找到链接社区。在不同类型的网络上进行测试，并与网络元数据进行比较，结果表明该方法能够有效地识别节点的角色重叠。该方法的优点是通过测量网络中除社团结构外的未知信息，可以定量地比较节点社团方案和链路社团方案。它可以用来定量地决定是否应该使用链路社区方案来代替节点社区方案。此外，由于该方法是基于随机游动的，因此可以很容易地推广到有向网络和加权网络。
2011-08-12 cond-mat.stat-mech 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
A General Definition of Network Communities and the Corresponding Detection Algorithm
由节点和边组成的网络结构在几乎所有学科中都有应用。一组节点被称为社区，如果节点有很强的相互关系。行业（包括手机运营商和在线社交媒体公司）需要社区结构来分配网络资源并提供适当和准确的服务。然而，现有的检测算法都是从实际问题出发的，在其他领域的适用性还有待商榷。因此，对于一个新的社区问题，研究者需要特别推导算法，这是很费力的，甚至是不必要的。在本文中，我们代表了一个一般的程序，以找到社区结构在实践中。我们主要关注两种典型的网络：传输网络和相似网络。我们将它们简化为一个统一的图模型，在此基础上，我们提出了一个通用的方法来定义和检测社区。读者可以专门化我们的通用算法，以适应他们的问题。最后，我们还给出了一个演示，以说明该算法的工作原理。
2018-10-14 cs.SI physics.soc-ph
Constrained information flows in temporal networks reveal intermittent communities
许多现实世界的网络代表动态系统，其交互随时间而变化，通常以不协调的方式和不规则的间隔进行。例如，大学生在间歇性的群体中联系，这些群体根据多种因素反复形成和解散，包括他们的讲座，兴趣和朋友。这样的动态系统可以表示为多层网络，其中每一层表示时间网络的快照。在这种表示中，层之间的链接准确地捕获这些层之间的真实依赖关系至关重要。然而，这些依赖性往往是未知的。因此，当前的方法基于不捕获节点级层依赖性的简单假设来连接层。例如，将每个节点连接到其他层中具有相同权重的节点本身可以消除间歇性组之间的依赖关系，从而难以甚至不可能识别它们。在本文中，我们提出了一个原则性的方法来估计节点级层依赖关系的基础上，在每一层的网络结构。我们实现了我们的节点级耦合方法在社区检测框架Infomap和证明其性能相比，目前的方法合成和真实的时间网络。我们表明，我们的方法更有效地约束多层社区内的信息，使Infomap可以更好地恢复种植群体在多层基准网络，代表多种模式与不同的群体，更好地识别间歇性社区在真实的时间接触网络。这些结果表明，节点级层耦合可以改善时序网络中信息传播的建模，更好地捕捉间歇性社区结构。
2018-06-24 cs.SI physics.soc-ph
A generalised significance test for individual communities in networks
许多经验网络具有社区结构，其中节点在每个社区内密集互连（即，一组节点）并且稀疏地跨越不同的社区。像其他的局域和中尺度网络结构一样，社区通常在各个方面都是异质的，例如规模，边缘密度，与其他社区的连接和重要性。在本研究中，我们提出了一种方法来统计测试在给定的网络中的单个社区的显着性。与以前的方法相比，本算法的独特之处在于，它接受不同的社区检测算法和相应的质量函数的单个社区。本方法要求每个社区的质量可以被量化，并且社区检测被执行为在社区上求和的这种质量函数的优化。各种社区检测算法，包括模块化最大化和图划分满足这一标准。我们的方法估计随机网络的质量函数的分布，以计算给定网络中每个社区的可能性。我们说明我们的算法合成和经验网络。
2018-05-09 cs.SI physics.soc-ph
Making Communities Show Respect for Order
在这项工作中，我们给出了一个社区检测算法，其中社区既尊重的内在顺序的有向无环图，也发现类似的节点。我们从文献计量学的经典相似性度量中汲取灵感，用于评估两种出版物的相似程度，基于它们的相对引用模式。我们研究了算法的性能和反链属性在人工模型和真实的网络，如引文图和食物网。我们展示了这种划分算法如何区分和分组相同来源的节点（在引文网络中，起源是一个主题或研究领域）。我们的分区算法和标准的分层工具，以及社区检测方法之间的比较。我们表明，我们的算法产生不同的社区从标准分层算法。
2020-03-11 cs.SI physics.soc-ph
Stratified communities in complex business networks
本文提出了一个新的定义的社区结构的网络，它也考虑到社区是如何分层的。特别是，我们扩展了标准的聚类系数的概念，并提供了本地$l$邻接聚类系数的节点$i$。我们将其定义为距离$i$为$l$的节点的聚类系数的适当加权平均值。与节点$i$相关联的社区的层由$l$到$i$的距离来标识，使得标准聚类系数是层$l=0$处特有的局部$l$ -邻接聚类系数。当距离$l$变化时，局部$l$ -邻接聚类系数然后用于推断对整个网络的社区结构的洞察。在特殊的商业网络上进行了实证实验。特别是，空中交通网络的分析验证了理论的建议，并提供支持其实用性的论据。
2020-04-14 cs.SI physics.soc-ph
Emergence and persistence of communities in coevolutionary networks
我们调查的出现和持久性的社区，通过最近提出的自适应重新布线的机制，在共同进化网络。我们描述了在一个共同进化网络中产生的拓扑结构，该网络具有一个自适应的重新布线过程和一个简单的类似投票规则的节点动态。我们发现，对于一些值的参数描述的自适应重新布线过程中，社区结构出现在一个连接的网络。我们发现，社区的出现与系统中活动链接的数量减少有关，即连接不同状态的两个节点的链接。社区结构状态的生命周期与系统的规模成指数关系。此外，我们发现，一个小的噪声在节点动态可以维持多样性的状态和社区结构的时间在一个有限大小的系统。因此，大的系统大小和/或局部噪音可以解释许多真实系统中群落和多样性的持续存在。
2014-07-01 nlin.AO physics.soc-ph q-bio.PE
Line Graphs of Weighted Networks for Overlapping Communities
在本文中，我们开发的思想，以发现其节点的重叠社区的加权图的边缘划分。我们的方法是基于不同类型的加权线图，即图形的节点是原始图的链接，封装不同的边缘之间的关系的建设。加权线图被认为是提供一种替代的，有价值的表示系统的拓扑结构，并显示出具有重要的应用在社区检测，通常的节点划分的线图自然导致的边缘分区的原始图形。这种识别使我们能够使用传统的分区方法，以解决长期存在的问题，重叠社区的检测。我们将其应用于不同的社会和地理网络的分析。
2010-06-09 cs.DS physics.data-an physics.soc-ph
Distance-Based Network Partitioning
提出了一种识别网络社区的新方法。参考节点，使用先验信息选择的网络或根据相关的节点测量，获得，以便指示推定的社区。然后，每个网络节点和参考节点之间的距离向量用于定义表示在许多不同尺度上的网络的社区结构的坐标系。对于模块化网络，节点在这个空间中的分布通常会导致一个分离良好的集群结构，每个集群对应一个社区。一个有趣的特点，社区发现的方法报告的是，由种子定义的坐标系允许一个直观和直接的解释每个节点的情况相对于所考虑的社区。相对于社区发现基准，空间网络模型和城市街道网络的方法的潜力说明。
2019-11-04 cs.SI physics.soc-ph
Network community detection and clustering with random walks
我们提出了一种新的方法来划分网络节点到不重叠的社区-揭示网络模块化和层次组织的关键一步。我们的方法，适用于网络的加权和未加权的对称边缘，使用随机游走，以探索在同一社区的相邻节点。步行似然算法（WLA）产生一个最佳的网络节点划分成一个给定数量的社区。步行似然社区发现者（WLCF）采用WLA来预测社区的最佳数量和相应的网络分区。我们对这两种算法进行了广泛的基准测试，发现它们在预测分区的模块化程度和社区之间的链接数量方面优于或匹配其他方法。利用我们的方法的计算效率，我们调查了科罗拉多州的道路和交叉口的大规模地图。我们的聚类在相邻社区之间产生了地理上合理的边界。
2022-02-22 physics.soc-ph q-bio.QM
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
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
