Mesoscale community organization governs epidemic onset and spread in metapopulations
Florida State University(佛罗里达州立大学)
该研究提出层次化集合种群流行病传播框架,揭示社区内部连通性这一中尺度组织决定疫情暴发与传播,并结合真实数据验证了框架的稳健性。
2025-11-06 nlin.AO 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
Social and place-focused communities in location-based online social networks
由于互联网接入的普及和智能手机的普及,全世界数百万人现在使用基于位置的在线社交网络服务。了解这些系统的结构特性及其对用户习惯和移动性的依赖性具有许多潜在的应用,包括资源推荐和链接预测。在这里,我们通过使用关于声明的社会关系和关于从流行的在线基于位置的社会服务收集的用户对物理场所的访问的纵向信息来构建和分析社会和以地点为中心的图。我们发现,虽然社会和地方为重点的图是从相同的数据集构建的,他们有相当不同的结构特性。我们发现,社会和位置为重点的图形有不同的全球和中观尺度的结构,特别是社会和地方为重点的社区有可以忽略不计的重叠。因此,基于单独在社交图上执行的社区检测的群体推断无法隔离以位置为中心的群体,即使这些群体确实存在于网络中。通过研究社区内的领带结构的演变,我们表明,在这段时间内,位置数据被聚合的地方为重点的社区的稳定性有很大的影响,并以地方为基础的群体的信息可能是更有用的以用户为中心的应用程序比单独从社会社区的分析。
2013-07-01 cs.SI physics.soc-ph
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
Modeling and Analysis of Tagging Networks in Stack Exchange Communities
大型问答(Q&A)平台支持网络上的各种知识策展。虽然研究人员在各种背景下研究了平台上的用户行为,但对用户行为的重要副产品也编码知识的了解相对较少。在这里,我们使用168个Stack Exchange网站的集合来分析和建模用户用于注释和编目问题的标记的宏观结构。我们发现这些Stack Exchange社区的标记结构惊人的相似性,即使每个社区都是独立发展的(尽管遵循类似的指导方针)。使用我们的实证研究结果,我们开发了一个简单的生成模型,创建随机二分图的标签和问题。我们的模型占的标签频率分布,但没有明确说明共同标记的相关性。即使在这些约束条件下,我们也从经验和理论上证明了我们的模型可以重现链接同一帖子中出现的标签的共同标记图的许多统计特性。
2019-02-06 cs.SI physics.soc-ph stat.ML
Revealing evolutions in dynamical networks
大型时态图的描述需要有效的方法给出适当的介观划分。当今存在许多方法来检测静态图中的社区。然而,许多网络本质上是动态的,需要动态的中尺度描述,因为将它们解释为静态网络会导致重要信息的丢失。例如,动态过程,如新的科学学科的出现,它们的融合,分裂或死亡,需要一个不断发展的网络科学文章的中观描述。有两种直接的方法可以使用为静态网络开发的方法来描述演化网络。第一种方法发现聚合网络的社区结构;然而,这种方法丢弃了大多数时间信息,并且可能导致不适当的描述,因为非常不同的动态数据可以产生相同的静态图。相反的方法密切关注的演变,并通过选择相关的节点和边缘连续的时间片建立网络,这些切片中的每一个的介观结构是独立的,并连接的结构,以获得一个时间的描述。通过在每个时间片上使用最优的结构描述,该方法避免了聚合方法的惯性。社区的固有功能导致了噪音和人为因素。在这里,我们提出了一种方法,区分真正的趋势和噪音的介观描述的数据使用的社会进化的连续性。为了遵循动态,我们计算每个时间片的分区,但为了避免噪声产生的瞬变,我们使用在时间t-1和t+1发现的结构修改时间t的社区描述。我们展示了我们的方法的相关性的科学网络的分析,显示了一个新的子领域,小波分析的诞生。
2017-07-07 cs.SI physics.soc-ph
Detecting mesoscale structures by surprise
在复杂网络中识别中尺度结构的重要性怎么估计都不过分。到目前为止,很多注意力都集中在二元网络上的社区,二分和核心-外围结构的检测上:这样的努力导致了基于称为惊喜的评分函数的统一框架的定义,即可以分配给无向和有向网络上任何给定节点分区的p值。在这里,我们的目标是更进一步,通过扩展整个框架的加权的情况下:在审查应用程序的基于递归的形式主义检测二进制中尺度结构,我们提出了一个合适的泛化它检测加权中尺度结构,一个主题,已收到少得多的关注。为此,我们分析了惊喜的四种变体;从技术的角度来看,这相当于使用了超几何分布的四种变体:用于检测二元社区的二项分布、用于检测二元社区的多项分布。“双模”结构及其用于检测加权网络上的社区和“双模”结构的负对应物。最重要的是,我们定义了两个“增强”的惊喜的变种,能够编码的二进制和加权约束,其定义取决于两个合适的概括的超几何分布本身。因此,我们提出了一个通用的,基于概率的方法来检测网络上的中尺度结构,通过一个统一的,基于惊喜的框架。为了说明我们的方法的性能,我们首先在各种成熟的合成基准上测试它们,然后将它们应用于几个现实世界的网络,即社会,经济,金融和生态网络。此外,我们在论文中附上了一个Python代码,实现了所有考虑过的惊喜变体。
2021-12-30 physics.data-an physics.soc-ph
Think Locally, Act Locally: The Detection of Small, Medium-Sized, and Large Communities in Large Networks
在网络的研究中,研究中尺度特征以试图了解网络的结构和功能是很常见的。例如,已经开发了许多算法来尝试识别“社区”,这些社区通常被解释为内部连接比网络其余部分更密集的节点集合。在本文中,我们采用了一个互补的角度来看,“社区”与本地偏置的动态过程,开始在种子集的节点的瓶颈,我们采用了几种不同的社区识别程序(使用基于扩散和基于测地线的动态)调查社区质量作为社区规模的函数。使用几个经验和合成网络,我们确定了几个不同的情况下,“大小分辨社区结构”,可以出现在真实的(和现实的)网络。取决于哪种情况,人们可能能够也可能无法成功地识别给定网络中的“好”社区,不同的小社区组合在一起形成中尺度网络结构的方式可能非常不同,病毒传播和信息扩散等过程可能表现出非常不同的动态。集中于以给定种子节点为中心的社区的局部偏向方法的输出可能比全局社区检测方法的输出具有更好的概念基础和更大的实际效用。它们还说明了更微妙的结构特性,这些特性在开发更好的基准网络以测试社区发现方法时非常重要。[Note:由于arXiv的摘要字段的空间限制,这是论文摘要的删节版。
2014-10-08 cond-mat.dis-nn cs.SI math.CO
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
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
Characterizing the community structure of complex networks
社团结构是复杂网络的重要性质之一,对网络的拓扑结构和功能起着至关重要的作用。虽然在社区检测问题上已经做了大量的工作,但到目前为止,很少有人关注真实网络中的社区调查。我们提出了一个系统的经验分析的统计特性的社区在大型信息,通信,技术,生物和社交网络。我们发现,相同类别的网络的介观组织是非常相似的。这反映在社区结构的几个特征中,这些特征可用作特定网络类别的“指纹”。虽然社区规模分布总是很广,但某些类别的网络主要由树状社区组成,而其他类别的网络则具有更密集的模块。社区内的平均路径长度最初随社区规模的增长而增长,但当社区大于特征规模时,增长饱和或放缓。这种行为与社区内存在的枢纽有关,其作用因类别而异。此外,节点的社区嵌入性(以其社区内链接的比例来衡量)对于每个类别都有一个特征分布。我们的研究结果是通过使用两种根本不同的社区检测方法进行验证的。
2010-05-24 cs.IR physics.soc-ph
Functional mesoscale organization of complex networks
本文提出网络广义内能$E_τ$,可度量划分的动力学相关性泄漏,并在$τ=0$时退化为模块度,用于统一框架下的社区检测。
2025-08-06 cond-mat.stat-mech physics.soc-ph
Consistency landscape of network communities
社区检测的概念一直被用作处理网络中尺度结构的关键设备。适当地进行社区检测揭示了网络拓扑结构的各种嵌入式信息子结构。然而,对于社区检测的实际应用,它一直是一个棘手的问题,分配一个合理的社区决议感兴趣的网络。由于缺乏一致接受的标准,大多数以前的研究都是使用相当临时的经验来决定社区解决方案。在这项工作中,我们利用网络社区结构的一致性概念来提供网络的整体社区分辨率景观,我们最终将其用于量化给定分辨率参数的检测社区的可靠性。更确切地说,我们利用随机检测算法的结果中的模糊性,并提出了一种方法,表示社区结构的相对有效性方面的稳定性,使用多个检测过程的全球和局部不一致的措施。将我们的框架应用于合成和真实网络,我们证实它有效地显示了社区结构的深刻的基本方面。
2021-05-27 physics.data-an physics.soc-ph
Micro and Macro Benefits of Random Investments in Financial Markets
在本文中,利用最新的统计物理技术和模型,我们解决了随机性在金融市场中的具体作用,在微观和宏观层面。特别是,我们回顾了最近获得的一些结果的有效性的随机投资策略,与一些最常用的交易策略预测的行为,真正的金融指数。我们还通过自组织临界性模型推进了我们的分析,该模型能够模拟具有不同网络拓扑结构的交易社区中的金融雪崩,其中财富的帕累托幂律行为自发出现。在这种情况下,我们提出了新的发现和政策建议的基础上的影响,随机策略可以在减少危险的金融极端事件,即泡沫和崩溃。
2014-05-22 physics.soc-ph q-fin.GN
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
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
Mesoscale properties of mutualistic networks in ecosystems
揭示生态网络的结构特性是研究系统在各种扰动下的稳定性的一个重要起点。我们分析授粉和种子处理网络,这是互惠网络的生态系统中的代表性例子,在不同的尺度。特别是,我们研究中尺度的属性,如嵌套结构,核心-外围结构,社区结构,通过统计调查它们与真实网络数据的相互关系。作为在不同尺度上的社区检测的结果,我们发现网络之间没有有意义的层次结构,以及模块化和其他两个结构(嵌套和核心外围性)之间的负相关性,这两个结构本身是高度正相关的。此外,没有特征尺度的社区是感知从社区不一致性分析。因此,群落结构,这是最广泛研究的网络的中尺度结构,事实上是不足以描述这种规模的互惠网络在生态系统中。
2021-11-15 cond-mat.stat-mech physics.soc-ph q-bio.QM
Community detection for correlation matrices
在复杂系统的研究中,一个具有挑战性的问题是在没有先验信息的情况下,解决由单元组决定的涌现的介观组织,这些单元组的动态活动比系统的其他部分更强地内在相关。现有的过滤相关性的技术没有明确地面向识别这样的模块,并且可能遭受不可避免的信息丢失。一个有前途的替代方法是采用网络理论中开发的社区检测技术。不幸的是,这种方法主要集中在用相关矩阵替换网络数据,由于其与现有算法的零假设不一致,这种方法往往存在固有的偏见。在这里,我们介绍,通过一个一致的重新定义的空模型的基础上随机矩阵理论,适当的相关性为基础的最流行的社区检测技术的同行。我们的方法可以过滤掉特定于单元的噪声和系统范围内的依赖关系,并且由此产生的社区是内部相关和相互反相关的。我们还实现了多分辨率和多频率的方法,揭示层次嵌套的子社区与“硬”的核心和“软”的外围。我们将我们的技术应用于几个金融时间序列,并确定中观组的股票是不可约的标准,部门分类,检测“软股票”,社区之间的交替,并讨论投资组合优化和风险管理的影响。
2014-10-24 physics.data-an physics.soc-ph q-fin.PM