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
Ensemble-Based Algorithms to Detect Disjoint and Overlapping Communities in Networks
给定一组社区检测算法${\cal AL}$和一个图$G$作为输入，我们提出了两个集成方法$\mathtt{EnDisCO}$和$\mathtt{MeDOC}$，（分别）确定不相交和重叠的社区$G$。$\mathtt{EnDisCO}$通过利用多个基本解决方案将图转换为潜在特征空间，并发现不相交的社区结构。$\mathtt{MeDOC}$将相似的基本社区分组为元社区，并检测不相交和重叠的社区结构。实验在不同的规模上进行的合成生成的网络，以及在几个现实世界的网络，其底层的地面真相社区结构是可用的。我们广泛的实验表明，这两种算法优于国家的最先进的非集成算法的显着保证金。此外，我们比较了$\mathtt{EnDisCO}$和$\mathtt{MeDOC}$与最近的集成方法不相交的社区发现，并表明我们的方法取得了优异的性能。据我们所知，$\mathtt{MeDOC}$是第一个集成方法重叠社区发现。
2016-09-16 cs.SI physics.soc-ph
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
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
Hierarchies of Predominantly Connected Communities
我们考虑其顶点主要连接的社区，即，每个社区中的顶点与同一社区的其他社区成员的连接比与社区外的顶点的连接更强。Flake等人介绍了一种分层聚类算法，该算法根据输入参数找到不同粗糙度的主要连接社区。我们提出了一个简单而有效的方法来构建一个聚类层次根据Flake等人。取代了选择可行的参数值的必要性，并保证所得到的层次结构的完整性，即，该层次结构包含可以由原始算法为任何参数值构造的所有聚类。然而，主要连接的社区并没有组织在一个单一的层次结构。因此，我们开发了一个框架，预先计算后，在最$2(n-1)$最大流量，承认一个线性时间结构的集群$\C(S)$的主要连接的社区，包含一个给定的社区$S$和最大的意义上说，任何进一步的集群的主要连接的社区，也包含$S$是分层嵌套在$\C(S)$。我们进一步推广这种结构产生一个集群与$k$给定社区在$O(kn)$时间类似的属性。这允许分析网络的结构相对于不同层次中的各种社区。
2013-05-03 cs.DS cs.SI 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
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
Fuzzy communities and the concept of bridgeness in complex networks
我们考虑网络中的模糊社区检测问题，它补充和扩展了重叠社区结构的概念。我们的方法允许图中的每个顶点同时属于多个社区，由精确的数值隶属度确定，即使在所分析的数据存在不确定性的情况下。我们创建了一个算法，用于确定相对于给定的目标函数的最佳隶属度。基于成员度，我们引入了一个新的措施，能够识别离群顶点，不属于任何社区，桥顶点属于一个以上的社区，从根本上限制他们在自己的社区内的相互作用，同时也能够量化的顶点相对于其主导社区的中心性。该方法也可用于预测的情况下，在分析的数据集的不确定性。社区的数量可以预先给定，或者由算法本身使用模块度函数的模糊化变体来确定。该技术能够发现具有高置信度的不同现实世界网络的模糊社区结构，包括但不限于社交网络、科学合作网络和皮层网络。
2007-11-28 physics.soc-ph
Emergence of multiplex communities in collaboration networks
协作网络中的社区结构反映了个体为了更好地实现共同目标而将其工作组织成小组的自然趋势。在大多数情况下，个人利用他们的关系将自己介绍给新的兴趣领域，从而产生跨越不同领域的多方面合作。在本文中，我们分析了科学和电影演员之间的合作，作为多元化网络，其中的层分别代表研究课题和电影类型，我们表明，社区确实共存，并在这种系统的不同层重叠。然后，我们提出了一个模型来增长的多重网络的基础上两个机制的内部和层间三元封闭，模仿真正的过程中，合作的发展。我们表明，我们的模型是能够解释经验观察到的多元化社区结构，我们推断的力量，从现实世界的系统中的两个基本的社会机制。该模型还能够正确地再现层内和层间关联性的值，有助于更好地理解推动社交网络演变的原则。
2016-01-28 cs.SI physics.soc-ph
Information dynamics algorithm for detecting communities in networks
社区检测的问题与许多科学学科有关，从社会科学到统计物理学。考虑到社区检测在许多领域（如心理学和社会科学）的影响，我们已经解决了通过结合领域应用领域的元素（即领域启发）来修改现有性能良好的算法的问题。我们集中在心理学和社会网络启发的方法，这可能是有用的，进一步加强社会网络研究和数学之间的联系，社区检测。在这里，我们介绍了一个社区检测算法来自范东根的马尔可夫聚类算法（MCL）的方法，通过考虑网络的节点作为代理能够作出决定。在这个框架中，我们引入了一个记忆因子来模仿一个典型的人类行为，如遗忘效应。该方法是基于信息扩散，它包括一个非线性处理阶段。我们测试我们的方法在两个经典的社区基准和计算机生成的网络与已知的社区结构。我们的方法有三个重要的特点：检测重叠社区的能力，从个人的角度来看，识别社区的能力和微调社区的可检测性方面的先验知识的数据。最后讨论了如何利用Shannon熵测度进行复杂网络的参数估计。
2011-12-06 cs.SI physics.soc-ph
Communities and beyond: mesoscopic analysis of a large social network with complementary methods
到目前为止，社区检测方法主要在小型经验网络和合成基准上进行测试。关于它们在大型现实网络上的性能，我们知道的要少得多，尽管如此，它们仍然是应用的重要目标。我们分析了三个国家的最先进的社区检测方法的性能，使用它们来识别社区在一个大型的社会网络从手机通话记录。我们发现，所有的方法检测社区，在某些方面是有意义的，但在其他方面的不足，往往是一个层次关系的社区检测不同的方法。我们的研究结果表明，社区检测方法可能是有用的，在研究一般的中尺度网络结构，而不是只试图识别密集的结构。
2011-06-08 physics.soc-ph
Fast Multi-Scale Detection of Relevant Communities
如今，网络几乎无处不在。在过去的十年中，社区发现作为一种通过将节点分组为内部连接比外部连接更紧密的社区来揭示网络结构的方法受到越来越多的关注。然而，现有的大多数有效方法都没有考虑网络可能包含的潜在组织水平或规模，因此是有限的。在本文中，我们提出了一种方法兼容的全球和当地的标准，使快速多尺度社区发现。该方法是在两个算法，每种类型的标准之一，并与6个已知的标准。发现不同规模的社区是一项计算成本很高的任务。因此，这项工作把重点放在减少计算复杂性。为了加快速度，引入了一些算法。实验证明了我们的方法的效率和准确性，相对于每个算法和标准，通过测试它们对大型生成的多尺度网络。这项研究还提供了一个标准之间的比较和全球和地方的方法。
2012-06-06 cs.DS 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
Community detection in bipartite signed networks is highly dependent on parameter choice
本文系统评估了二分符号网络上社区检测方法的有效性，发现无社区时易产生虚假社区，有社区时性能高度依赖参数选择，强调需进行参数稳健性评估或外部验证。
2025-01-27 cs.SI physics.soc-ph stat.ME
A modularity based spectral method for simultaneous community and anti-community detection
University of Udine（乌迪内大学）；University of Padua（帕多瓦大学）
本文提出一种基于谱方法的模ularity检测方法，用于同时识别社区和反社区结构，通过分析矩阵定义的模ularity的极值特征值子空间来确定网络中的模块化结构。
2017-09-20 cs.NA cs.SI math.NA
Community characterization of heterogeneous complex systems
我们引入了一种分析统计方法来描述在异质复杂系统中检测到的社区。通过提出一个合适的零假设，我们的方法利用超几何分布来评估一个给定的属性在一个社区的元素中相对于调查集的所有元素被过度表达的概率。我们将我们的方法应用于两个特定的复杂网络，即世界电影网络和物理预印本网络。元素和社区的特征是根据电影网络的语言和国家以及论文的期刊和主题类别来完成的。我们发现，我们的方法是能够清楚地确定社区的特点。此外，我们的方法适用于大型和小型社区。
2010-11-18 cs.SI physics.data-an physics.soc-ph
Metrics for Community Analysis: A Survey
在过去的十年里，从社会和信息网络中检测和分析密集群体或社区引起了人们的极大关注，因为它在不同领域具有巨大的适用性。社区发现是一个定义不清的问题，因为社区的性质事先并不知道。这个问题已经被证明是甚至复杂的，由于社区出现在网络中的各种形式-不相交的，重叠的，分层的等，已经提出了各种不同的算法取决于在手的应用程序。所有这些生态学已经具体化的形式，在大多数情况下，作为优化功能，用于检测社区结构，或提供一个良好的检测社区在评估过程中的指示。有必要对社区发现和评价方面提出的衡量标准进行有组织的详细调查。在这项调查中，我们提出了一个全面的和结构化的概述，用于检测和评估社区结构的最先进的指标。我们还对合成网络和真实网络进行了实验，以比较分析这些指标在衡量底层社区结构的良好性方面的作用。
2016-04-12 cs.SI physics.soc-ph
Community detection analysis in wind speed-monitoring systems using mutual information-based complex network
对瑞士一个广泛风速监测系统的基于互信息的加权网络表示进行了分析，以发现社区。两个社区已被发现，分别位于阿尔卑斯山和Jura高原，定义了瑞士的两个主要的气候带的传感器对应的两个集群。利用轮廓测度对得到的社区进行评价，确定每个传感器对簇的隶属度。
2018-09-03 physics.data-an physics.soc-ph stat.AP
Canadian Astronomy on Maunakea: On Respecting Indigenous Rights
几十年来，加拿大天文学一直受益于在世界上最好的天文站点之一：Maunakea上建立观测站和参加国际财团。然而，Maunakea是夏威夷原住民未割让领土的一部分，对夏威夷文化一直具有特殊意义。在过去十年中，峰会及其科学储备的使用造成了紧张局势，特别是随着30米望远镜的发展。国际天文学界仍然缺乏有意义和尊重的回应。预计LRP 2020将继续支持加拿大在Maunakea上的天文学，因此应该准备一份关于CASCA立场和参与的更好的官方声明。在本文中，我们提出的建议，根据联合国土著人民权利宣言，为加拿大天文学界更好地支持土著权利的Maunakea和夏威夷，同时提供明确的指导方针，天文学界参与在土著土地上进行的活动。该框架旨在激发与土著社区的对话，讨论我们在土著土地上的地位，我们的角色以及对我们正在合作的社区的责任。此外，我们建议将这一框架作为与世界各地社区就同意天文设施进行接触的基础。
2019-10-14 astro-ph.IM physics.soc-ph
The Interplay Between Dynamics and Networks: Centrality, Communities, and Cheeger Inequality
我们研究一个动态的过程和网络的结构之间的相互作用，它被定义。具体来说，我们研究这种相互作用的影响，网络集群和节点中心的质量测量。这使我们能够有效地识别网络社区和参与动态的重要节点。作为实现这一目标的第一步，我们引入了一个伞形框架，用于定义和表征网络上的动态过程的集合。该框架将传统的Laplacian框架推广到连续时间有偏随机游动，并允许我们在网络上模拟一些流行病过程。对于我们框架中的每个动态过程，我们可以定义一个函数来度量每个节点子集的质量，作为给定网络上该过程的潜在集群（或社区）。该子集质量函数推广了传统的图划分电导测度。我们部分证明了我们的选择的质量函数的经典Cheeger的不等式，它涉及的网络中的最佳集群的电导与其拉普拉斯矩阵的谱量，可以从拉普拉斯电导设置扩展到这个更一般的设置。
2015-03-26 cs.DM cs.SI physics.soc-ph
Societal impacts of particle physics projects
美国政府资助的大型粒子物理项目需要评估和减轻每个项目对当地社区的潜在影响。然而，除了满足政府的要求外，粒子物理学项目还可以通过有意义地参与当地社区，在当地决策，建立关系和制定关于关键项目的讨论方面发挥重要作用。在美国粒子物理社区规划演习（Snowmass）的这份白皮书中，我们研究了三个设施所做的几项当地社区参与工作：劳伦斯伯克利国家实验室（伯克利实验室），费米国家加速器实验室（费米实验室）和桑福德地下研究设施（SURF）。虽然每个设施侧重于不同类型的社区的不同努力，但每项研究都强调了采用一致的外展技术，促进多样性，建立持久的关系以及创造开放和诚实沟通的环境的重要性和好处。
2022-03-15 hep-ex physics.soc-ph
Dimension matters when modeling network communities in hyperbolic spaces
在过去的十年中，随机双曲图已经被证明成功地为现实世界网络的许多关键属性提供了几何解释，包括强聚类，高导航性和异构度分布。这些性质在互联网、交通、大脑或流行病网络等各种系统中普遍存在，因此在恒定负曲率表面上的双曲网络解释下统一起来。虽然一些研究表明，双曲线模型可以产生社区结构，在真实网络中观察到的另一个显着特征，我们认为，目前的模型忽略了选择的潜在空间维度，需要充分代表集群网络数据。我们发现，有一个重要的质的差异之间的最低维模型和它的高维对应节点之间的相似性如何限制连接概率。由于更多的维度也增加了代表社区的角聚类的最近邻居的数量，因此只考虑一个维度可以让我们生成更真实和更多样化的社区结构。
2023-02-27 cond-mat.stat-mech physics.soc-ph
Spectral Detection of Simplicial Communities via Hodge Laplacians
尽管图是丰富信息的来源，但它仅限于两两相互作用。然而，一些现实世界的网络，如社交网络、神经网络等，涉及两个以上节点之间的交互。单纯形复形提供了一个强大的数学框架来模拟这种高阶相互作用。众所周知，图的拉普拉斯算子的谱表示社区结构，并且谱聚类算法利用这种关系。在这里，我们建议的霍奇拉普拉斯算子，一个高阶拉普拉斯定义的单纯复形，编码单纯社区的频谱。我们制定了一个算法来提取单纯社区（任意维度）。我们将此算法应用于单纯复杂的基准和真正的高阶网络数据，包括社交网络和使用语言或文本处理工具提取的网络。然而，单纯复形的数据集是稀缺的，并且对于可能涉及高阶相互作用的绝大多数数据集，只有成对相互作用的集合可用。因此，我们使用数据的已知属性来推断最可能的高阶交互。换句话说，我们引入了一种推理方法来预测最可能的单纯复杂的网络骨架的社区结构。这种方法确定为最有可能的高阶相互作用诱导单纯社区，最大限度地提高调整后的互信息测量相对于地面真理社区结构。最后，我们考虑了通过对协作网络的边权重进行阈值化（仅对成对交互进行编码）构建的高阶网络，并提供了一个在宽阈值范围内持续存在的持久单纯社区的例子。
2022-01-31 cond-mat.dis-nn cs.SI nlin.AO
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
Computing communities in large networks using random walks (long version)
稀疏图的稠密子图（社区）在现实世界的复杂网络中有着重要的作用。然而，计算它们通常是昂贵的。我们在这里提出了一种基于随机游走的顶点之间的相似性度量，它具有几个重要的优点：它很好地捕捉了网络中的社区结构，它可以有效地计算，并且它可以用于凝聚算法来有效地计算网络的社区结构。我们提出了这样一个算法，称为Walktrap，在最坏的情况下，它在时间O（mn^2）和空间O（n^2）中运行，在大多数真实情况下，时间O（n^2log n）和空间O（n^2）（n和m分别是输入图中的顶点和边的数量）。广泛的比较测试表明，我们的算法超过以前提出的关于所获得的社区结构的质量，它的运行时间是最好的。
2005-12-12 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Efficiency of communities and financial markets during the 2020 pandemic
本文调查了20个国家的COVID-19大流行的传播、社区活动状况和金融指数表现之间的关系。首先，我们分析了哪些国家在2020年的三个多变量时间序列中的一个表现相似：每日COVID-19病例，Apple移动数据和国家股票指数价格。接下来，我们研究这三个属性的轨迹，以确定哪一个具有更大的相似性。最后，我们调查了国家金融指数或流动性数据是否对COVID-19病例激增做出了更快的反应。我们的研究结果表明，流动性数据和国家金融指数在其轨迹上表现出最大的相似性，金融指数的反应更快。这表明金融市场参与者可能比政府更有效地解读和应对COVID-19数据。此外，研究结果表明，将社区流动性数据作为大流行期间金融市场表现的领先指标的努力受到了误导。
2021-07-06 econ.GN physics.soc-ph q-bio.PE
Organizational and dynamical aspects of a small network with two distinct communities : Neo creationists vs. Evolution Defenders
社会影响和组织程度固有的意见形成互动代理网络提出了有趣的问题，从物理学到社会学的普遍兴趣。我们提出了一个定量分析的情况下，意味着一个不断发展的小规模网络，即固有的现代神创论（大多数是智能设计（ID）的支持者（IDP））和达尔文的进化论捍卫者（DED）之间正在进行的辩论。本研究通过分析近几十年来两个社区成员发表的作品所展现的引文网络的结构特性来进行。为了捕捉IDP和DED群体之间互动的动态方面，我们重点关注$two$关键量，即每个群体的{ \it活动程度}以及相应的{ \it影响程度}对整个知识界。前者的代表性衡量标准是{ \it出版物生产率}（RPP），而后者可与{ \it引文增加率}（RIC）相类似。这些数量分别由每年累积的出版物数量的时间序列的斜率和相应引文的类似时间序列的斜率确定。结果表明，在这种情况下，动态可以被看作是由触发或阻尼竞争。该网络是社区内和社区之间信息交换活动的显著异质性的具体示例，特别是通过具有高连通度的节点（即意见领袖）来证明。
2008-05-19 physics.data-an physics.soc-ph
Tipping Diffusivity in Information Accumulation Systems: More Links, Less Consensus
假设两个不同的社区，每个社区主要因为两个社区之间的弱相互作用而保持各自的观点。在这种情况下，如何找到族群间互动的必要力量，以便两个族群达成共识，是一个令人感兴趣的问题。本文应用信息积累系统模型对这一问题进行了研究。应用IAS模型，发现两群体问题的观点动力学属于种群动力学或两种语言竞争中出现的一类更广泛的两种群问题，其控制方程都可以用耦合Logistic映射来描述.小费扩散率定义为两个社区之间能够保持不同意见的最大社区间相互作用。对于具有简单社团结构和同质个体的问题，从理论上计算了临界扩散系数。作为本文的结论，这两个社区的收敛到相同的价值是不太可能的整体互动，社区内和社区间，发生。这意味着，例如，现代通信工具（如facebook和twitter）的发展所导致的个人之间互动的增加，并不一定会改善不同社区之间全球趋同的趋势。如果内部链接的数量增加了一个因子，社区间链接的数量必须增加更高的因子，以便共识成为唯一稳定的吸引子。
2010-05-09 nlin.AO physics.soc-ph q-bio.PE
