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
Power-law relations in random networks with communities
大多数随机图模型都是局部树状的-不包含短循环-使其不适合建模具有社区结构的网络。我们介绍了分层配置模型(HCM),一个概括的配置模型,包括社区结构,而属性,如巨大的组件的大小,和键渗流下的巨大膨胀集群的大小仍然可以推导出解析。将现实世界的网络视为HCM的实现,我们观察到两个以前未观察到的幂律关系:社区内部的边缘数量与社区大小之间的关系,以及社区外部的边缘数量与社区大小之间的关系。我们还将度分布的幂律指数$τ$与群落大小分布的幂律指数$γ$联系起来。在极其密集的社区的特殊情况下(例如,完全图),该关系采用简单形式$τ=γ-1$。
2016-04-04 cs.SI physics.soc-ph
Structuring Communities for Sharing Human Digital Memories in a Social P2P Network
社区是P2P网络内部的子网络,它将网络划分为相似的节点组,通过减少网络流量和提高搜索查询成功率来提高性能。大型社区在在线社交网络中比传统的文件共享P2P网络更常见,因为许多人在生活中捕获了大量数据。这增加了网络中承载类似数据的主机数量,从而增加了社区的规模。本文提出了一个基于内存线程的社区,我们的基于实体的社交P2P网络,网络划分成组的对等体共享数据属于一个实体-人,地方,对象或兴趣,有自己的数字存储器或成为另一个内存的一部分。通过使用线性排序来组织网络,这些连接的对等体具有进一步的相似性。存储器线程是数字存储器的集合,具有共同的参考键,并根据某种形式的相关性进行组织。仿真结果表明,该方案的网络性能的增加,随着网络开销的减少和更高的查询成功率相比,其他类似的计划。即使网络流量和规模增加,网络也能保持其性能。
2020-04-17 cs.DC cs.SI
Online posting effects: Unveiling the non-linear journeys of users in depression communities on Reddit
本研究通过分析Reddit抑郁社区303k用户数据,揭示在线发帖可引发心理状态的非线性螺旋式转变,并基于PHE模型证明社交互动类型影响用户旅程。
2025-04-23 cs.CY cs.SI
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
Evaluating the Vulnerability of Communities in Social Networks by Gravity Model
随着网络科学的发展,复杂网络的各种性质受到了广泛的关注。在这些属性中,社区的脆弱性(VoCs)尤为重要。在传统的研究中,评价模型只考虑了群落的部分结构特征,而没有考虑群落的多个方面。但在现实中,对VoC的影响是多方面的,既有VoC自身的结构属性,也有其他社区的影响。为了更好地对社区之间的影响进行建模,从而对社会网络中的VoCs进行评估,提出了一种基于引力的社区脆弱性评估模型。该模型考虑了社区内部的边数、连接相邻社区的边数和每个社区的引力指数(GI)三个方面的因素,分别对应于社区内部信息、小尺度交互关系和大尺度交互关系。通过Jensen-Shannon散度(JSD)和对数S形转换(LST)函数,计算每对社区之间的抽象距离(AD),构建社区网络(CN)。利用引力模型,可以得到描述大尺度相互作用关系的各群落的GI。最后,利用该模型计算了群落的脆弱度和脆弱度排序,并利用Sobol指数分析了权重参数的敏感性。特别是,该方法可以退化到经典的方法与加权参数的设置。几个实际复杂网络的仿真结果表明了该模型的有效性和合理性。
2019-12-16 cs.SI physics.soc-ph
Markov random walk under constraint for discovering overlapping communities in complex networks
复杂网络中重叠社区的检测是近年来相关领域研究的热点。针对这个问题,我们提出了一个基于马尔可夫动力学的算法,称为UEOC,这意味着,“展开和提取重叠社区”。在UEOC中,当识别每个自然社区重叠,马尔可夫随机游走方法结合约束策略,这是基于相应的退火网络(度守恒随机网络),执行展开的社区。然后,一个截断标准的援助的当地社区功能,称为电导,它可以被认为是社区内的边缘和那些离开它的数量之间的比率,提出了从整个网络中提取这个新兴的社区。UEOC算法只依赖于一个参数,其值可以很容易地设置,它不需要隐藏的社区结构的先验知识。建议的UEOC已在合成基准和一些现实世界的网络进行了评估,并与一组竞争算法进行了比较。实验结果表明,UEOC是非常有效的和高效的发现重叠社区。
2013-03-22 cond-mat.stat-mech cs.SI physics.soc-ph
On Proximity and Structural Role-based Embeddings in Networks: Misconceptions, Techniques, and Applications
Adobe Research(Adobe 研究院);University of Michigan(密歇根大学);Intel Labs(英特尔研究院);Worcester Polytechnic Institute(伍斯特理工学院)
结构角色定义了一组结构相似的节点,这些节点与集合内部的节点比外部的节点更相似,而社区定义了一组节点,这些节点在集合内部的连接比外部的连接更多。基于结构相似性的角色和基于邻近性的社区是根本不同但重要的互补概念。最近,结构角色的概念变得越来越重要,并且由于从保留角色概念的图中学习表示(节点/边嵌入)的工作的激增而获得了很多关注。不幸的是,最近的工作有时混淆了结构角色和社区(基于邻近性)的概念,导致对网络嵌入方法能力的误导或不正确的说法。因此,本文试图澄清结构角色和社区之间的误解和关键区别,并正式确定一般机制(例如,随机游走、特征扩散),从而产生基于社区或角色的结构嵌入。我们从理论上证明,嵌入方法的基础上,这些机制的结果,无论是社区或基于角色的结构嵌入。这些机制通常很容易识别,可以帮助研究人员快速确定一种方法是否保留了社区或基于角色的嵌入。此外,它们还可以作为开发社区或基于角色的结构嵌入的新方法和改进方法的基础。最后,我们分析并讨论了社区或基于角色的嵌入最适合的应用程序和数据特征。
2020-09-21 cs.LG cs.SI
Minimum entropy stochastic block models neglect edge distribution heterogeneity
随机块模型的统计推断作为识别网络内部社区的一种基本原理方法而出现。它的目标是找到节点划分和最大似然的块到块邻接矩阵,即最有可能生成观察网络的邻接矩阵。在实践中,在所谓的微正则系综中,经常假设当比较两个具有相同数量和大小的社区的模型时,最好的一个是最小熵的一个,即可以生成差异较小的网络的一个。在本文中,我们表明,在某些情况下,最小熵模型不能识别最重要的社区的边缘分布,即使它产生的观察到的图形具有较高的概率。
2019-10-17 cs.DM cs.SI math.CO
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
Want to bring a community together? Create more sub-communities
了解重叠的社区结构对于网络分析和预测至关重要。关联图模型(Affiliation Graph Model,AGM)是解释密集重叠群落结构的最常用模型之一。在本文中,我们彻底重新研究了AGM模型在真实数据集上所做的假设。我们发现,AGM模型是不足以解释流行的现实世界的网络中观察到的几个经验行为。令人惊讶的是,我们所有的实验结果都可以用一个无参数假设来解释,这使得建模比AGM更简单,因为AGM有很多参数。基于这些研究结果,我们提出了一个无参数的Jaccard为基础的关联图(JAG)模型,该模型的边缘作为一个网络特定的常数倍的Jaccard与个人相关的社区集之间的相似性的概率。我们的建模比AGM简单得多,它消除了将参数(概率值)与每个社区相关联的需要。此外,JAG模型自然地解释了为什么(以及实际上何时)重叠的社区密集连接。基于这些观察,我们提出了一个新的社区驱动的友谊形成过程,数学恢复的JAG模型。JAG是第一个指出给定社区中的紧密连接与其中重叠社区的数量之间存在直接因果关系的模型。因此,\emph{the most effective way to bring a community together is to form more sub-communities within it.}基于我们建模的社区发现算法与现有的基于链接分析的方法相比,在六个真实世界的网络数据集上展示了一个非常…
2018-07-13 cs.SI physics.soc-ph
Overlapping Community Detection Using Neighborhood-Inflated Seed Expansion
社区发现是网络分析中的一项重要任务。社区(也称为集群)是一组内聚顶点,其内部连接多于外部连接。在许多社会和信息网络中,这些社区自然重叠。例如,在社交网络中,图中的每个顶点对应于通常参与多个社区的个人。在本文中,我们提出了一个有效的重叠社区发现算法,使用种子扩展方法。我们的算法的核心思想是找到好的种子,然后根据社区度量对这些种子进行greenly扩展。在这种种子扩展方法中,我们研究了如何在图中确定好的种子节点的问题。特别是,我们开发了新的播种策略的个性化PageRank聚类方案,优化电导社区得分。实验结果表明,我们的种子扩展算法优于其他国家的最先进的重叠社区发现方法产生的凝聚力集群和识别地面真理社区。我们还表明,我们的新播种策略比现有的策略更好,因此在现实世界的网络中找到良好的重叠社区是有效的。
2015-04-03 cs.SI physics.soc-ph
Uncovering the Local Hidden Community Structure in Social Networks
Huazhong University of Science and Technology(华中科技大学);Cornell University(康奈尔大学)
隐社区是近年来提出的一个用于社会网络分析的概念。为了应对网络规模的快速增长,在这项工作中,我们从局部角度探索了隐藏社区的检测,并提出了一种新的方法,该方法在从原始网络采样的子图上迭代地检测和提升每一层。我们首先从一个单一的种子节点扩展种子集的基础上,我们修改的局部谱方法和检测初始占主导地位的本地社区。然后,我们暂时删除这个社区的成员以及他们与其他节点的连接,并检测剩余子图中的所有邻域社区,包括一些只包含原始网络中一小部分成员的“破碎社区”。本地社区和邻域社区形成了一个主导层,通过降低这些社区内部的边权重,我们削弱了这一层的结构,以揭示隐藏层。最后,我们重复整个过程,所有包含种子节点的社区都可以被检测到并迭代提升。从理论上证明了该方法可以避免全局隐藏社区发现方法中将局部社区和一个破碎社区视为一个社区而导致检测不准确的情况。大量的实验表明,我们的方法可以显着优于国家的最先进的基线设计的全球隐藏社区发现或多个本地社区发现。
2021-12-08 cs.LG cs.SI
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
Reflection on Code Contributor Demographics and Collaboration Patterns in the Rust Community
本研究通过分析GitHub拉取请求数据和社交网络图,揭示了Rust生态关键项目中贡献者在性别和地理代表性上的不平等,强调需采取包容性措施以促进更广泛的全球参与。
2025-04-28 cs.SE cs.SI
Inside the echo chamber: Linguistic underpinnings of misinformation on Twitter
The Pennsylvania State University(宾夕法尼亚州立大学)
本研究探讨Twitter上错误信息传播的语言学基础,通过比较回音室内外多种语言学指标,发现回音室在讨论错误信息时群体认同信号和处理流畅性显著增加。
2024-04-24 cs.CL cs.SI
Identifying Influential Nodes in Bipartite Networks Using the Clustering Coefficient
复杂网络中影响节点的识别是一个非常具有挑战性的问题。如果网络具有社区结构,则中心性度量可能无法识别完整的有影响力的节点集,因为网络的集线器和其他中心节点可能仅位于一个社区内。在这里,我们定义了一个二分聚类系数,通过考虑不同结构的集群,可以找到跨社区的重要节点。
2015-03-20 cs.SI physics.soc-ph
Towards Designing Social Interventions For Online Climate Change Denialism Discussions
本研究提出一种利用内部语言在Reddit气候变化否认主义社区中进行基于证据干预的框架,通过人工与生成式AI结合制作信息并经透明机器人部署,发现中立干预能促进否认者开放讨论及支持者积极回应,为社交媒体干预提供了宝贵见解。
2025-08-11 cs.HC cs.SI
Characterization and exploitation of community structure in cover song networks
社区发现算法的使用是在翻唱歌曲识别的框架内探索的,即,同一基础音乐作品的不同音频再现的自动检测。到目前为止,这个任务一直被认为是一个典型的按示例查询的任务,其中一个人提交一首查询歌曲,系统检索一个可能的匹配列表,并根据它们与查询的相似性进行排序。在这项工作中,我们提出了一种新的方法,它使用歌曲社区提供更多的相关答案给一个给定的查询。从最先进的系统的输出开始,歌曲被嵌入到一个复杂的加权网络中,该网络的链接表示相似性(相关的音乐内容)。然后,网络内的社区被识别为覆盖物组,并且该信息用于增强系统的结果。特别是,我们表明,这种方法增加了系统的一致性和准确性。此外,我们提供了深入了解个人翻唱歌曲社区的内部组织,显示有一种趋势,为原来的歌曲是中央的社会。我们假设,这里提出的方法和结果可能与其他查询的例子任务。
2011-09-12 cs.IR cs.MM cs.SI
Emotional Dynamics in the Age of Misinformation
根据世界经济论坛的说法,在社交媒体上传播未经证实的谣言是我们社会的主要威胁之一。在线社交媒体上内容生产和消费的非中介化范式可能会促进围绕特定世界观形成同性恋社区(回声室)。这种情况已被证明是散布虚假主张,特别是阴谋论的生动环境。并非罕见的是,病毒现象引发了天真(和有趣)的社会反应-例如,最近的玉盔15号事件,一次简单的军事演习被认为是美国内战的开始。在这项工作中,我们解决了围绕不同类型新闻的集体辩论的情感动态-即,科学和阴谋新闻--以及在各自两极分化的社区内部和之间(科学和阴谋新闻)。我们的研究结果表明,对阴谋论帖子的评论往往比对科学帖子的评论更负面。然而,用户的参与度越高,他们就越倾向于负面评论(包括科学和阴谋)。最后,放大两极化社区之间的互动,我们发现一个普遍的负面模式。随着评论数量的增加,讨论的时间越来越长,帖子的情绪越来越负面。
2015-05-29 cs.CY cs.SI physics.soc-ph
Strong and Weak Random Walks on Signed Networks
Mathematical Institute, University of Oxford(牛津大学数学研究所);The Turing Institute(图灵研究所);Nordita, Stockholm University and KTH Royal Institute of Technology(北欧理论物理研究所,斯德哥尔摩大学与皇家理工学院)
针对符号网络多社区弱平衡场景,本文提出弱随机游走并构建相似性矩阵,实验证明其在无监督与半监督聚类中优于强随机游走。
2024-06-12 cs.LG cs.SI math.DS
Opinion Dynamics on Correlated Subjects in Social Networks
了解集体信仰的演变对于了解政治趋势以及社会品味和意见至关重要。特别是,它是至关重要的,以开发分析模型,可以预测的信念动态和捕获的相互依存的意见对不同的主题。在本文中,我们解决这个问题,也占个人的内生过程中的意见演变,以及个人的意见,可能会出现在存在的个人的敌对态度之间的相互排斥。使用平均场的方法,我们通过一个多维的福克-普朗克方程的一个大人口的个人的意见的时间演变的特征,我们确定的条件下,保持稳定。最后,我们得出的稳态意见分布作为个人的个性和现有的社会互动的函数。我们的数值结果显示了有趣的动态在不同的社会群体的集体信念,他们突出了相关的主题,以及个人的对抗态度的影响。
2019-10-24 cs.SI physics.soc-ph
Dynamic Clustering in Social Networks using Louvain and Infomap Method
在社交网络中发现社区或聚类是社会网络分析中的一个著名课题。大多数算法仅限于静态快照,因此无法处理底层图中的动态。在本文中,我们提出了一个修改的Louvain社区检测方法来处理图中的变化,而无需重新运行完整的算法。此外,我们采用了Louvain贪婪的方法来优化信息地图的措施。主要的想法是,重新计算只有一个小区域周围的变化。根据图的大小和更改量,这会导致运行时间大幅减少。作为验证数据,我们提供了一个图形生成器,它在给定的时间产生特定的社区结构,以及将图形从一个特定图形转换到另一个特定图形的中间步骤。实验表明,运行时间的减少是可能的,而不会有太大的质量损失。这些值取决于图形中的再处理区域。
2016-03-08 cs.SI physics.soc-ph
Community Detection for Access-Control Decisions: Analysing the Role of Homophily and Information Diffusion in Online Social Networks
本文研究利用社区检测自动生成OSN访问控制列表,通过仿真分析同质性对准确性的影响,并纳入信息扩散与守门人节点移除以缓解隐私泄露。
2021-06-07 cs.CY cs.SI
Two Roads Diverged: A Semantic Network Analysis of Guanxi on Twitter
关系,大致翻译为“社会联系”,是中文中常用的术语。本研究从语言学的角度探讨了有关关系的流行语篇。中国大陆内外的华人社会虽然同为儒家文化的根脉,但却经历了不同的历史轨迹。因此,我们采取了比较的方法来研究在中国大陆和台湾,香港,澳门(TW-HK-M)的关系。通过比较两个中国社会中的关系话语,旨在揭示中国社会关系文化的差异。这项研究的数据是在Twitter上收集的,为期三周,通过搜索包含简体中文字符和繁体中文字符的关系的推文。在两个语义网络上建立、可视化和进行社区检测后,两个关系话语在其主要概念子社区方面进行了比较。本研究旨在解决两个问题:关系的含义在当代中国社会发生了变化吗?不同的社会经济结构如何影响关系的实践?结果表明,人际关系中的关系已经适应了新的家庭结构,在中国的社会。此外,中国大陆和台湾、香港、澳门在商业上的关系做法各不相同。此外,一个扩展的域被确定在国家关系的宏观层面的讨论中使用的关系。关系话语的网络表征使这一概念得以具体化,并为理解当代中国的社会关系和社会秩序提供了启示。
2016-05-17 cs.CY cs.SI physics.data-an