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
Hyperbolic Multiplex Network Embedding with Maps of Random Walk
Beihang University(北京航空航天大学)
最近的研究网络嵌入在双曲空间已被证明是成功的几个应用。然而,现实世界网络中的节点往往通过几个不同的通道进行交互。简单地汇总或忽视这种多样性将导致误导性的结果。另一方面,节点之间的不同交互模式之间存在冗余信息。最近的研究揭示了群落结构和双曲线坐标之间的相似性。为了在减少复用网络冗余的同时学习每个节点的有效嵌入表示,本文提出了一个将复用网络双曲嵌入和复用社区发现相结合的统一框架。直观的基本原理是,高阶节点嵌入方法有望减轻所观察到的网络的稀疏和噪声结构,这将有利于社区发现任务。相反,改进的社区结构也将指导节点嵌入任务。为了在保留信道间共同特征的同时,更好地融合信道间的共同特征,提出了一种在潜在多重双曲空间中遍历的随机游走方法来检测信道间的社区,并在节点嵌入和社区发现之间架起了一座桥梁。该框架使用不同的现实世界的数据集的几个网络任务进行评估。结果表明,我们的框架是有效的和效率相比,国家的最先进的方法。
2021-10-30 cs.LG cs.SI stat.ML
Explicit objective functions in modularity-based community detection on multiplex networks
Delft University of Technology(代尔夫特理工大学);KairosHelix, Inc.(KairosHelix公司)
本文针对多重网络中的模块度社区检测,分析比较了早期融合、同时融合和晚期融合三种策略的目标函数,揭示了它们之间的显式关系,并通过实验验证了理论结果。
2026-10-19 cs.SI
Hierarchical Stochastic Block Model for Community Detection in Multiplex Networks
The University of California at Los Angeles(加利福尼亚大学洛杉矶分校);Federal University of Rio de Janeiro(里约热内卢联邦大学);The University of Notre Dame(圣母大学)
多路复用网络在许多领域变得越来越普遍,并且已经成为对真实网络的复杂性进行建模的强大工具。有一个关键的需求,为多路复用网络,可以考虑到跨不同层的潜在的依赖关系,特别是当目标是社区发现的推理模型。我们提出了一种新的和有效的贝叶斯模型,在多路复用网络中的社区发现有限的文献。我们的方法的一个关键特征是能够在不同的网络层对不同的社区进行建模。相比之下,许多现有的模型假设所有层都有相同的社区。此外,我们的模型自动在每一层选择必要数量的社区(通过真实数据示例验证)。这是有吸引力的,因为决定社区的数量是社区发现的一个具有挑战性的方面,特别是在多重设置中,如果允许社区跨层改变的话。借用分层贝叶斯建模的思想,我们使用分层Dirichlet之前跨层的社区标签建模,允许其结构中的依赖性。给定社区标签,假设每一层都有一个随机块模型(SBM)。我们开发了一个有效的切片采样器,用于采样社区标签的后验分布以及社区之间的链接概率。在这样做的过程中,我们解决了一些独特的挑战所带来的耦合复杂的可能性SBM与标签上的先验的层次性质。对模拟和真实数据进行了广泛的实证验证,证明了该模型优于单层替代方案的性能,以及发现真实网络中有趣结构的能力。
2023-02-12 cs.LG cs.SI stat.ME
Non-Negative Matrix Factorizations for Multiplex Network Analysis
网络已经成为表示、分析和建模多个领域中出现的关系数据的通用工具。网络分析的一个重要方面是社区发现或网络聚类。直到最近,主要的焦点一直是发现社区结构中的单一(即,单路)网络。然而,随着具有多种模态的关系数据的出现,多重网络,即,出现了由代表关系不同方面的多个层次组成的网络。因此,复用网络中的社区发现,即,检测所有层共享的节点集群已成为新的挑战。在本文中,我们提出了网络融合复合社区提取(NF-CCE),一类新的算法,基于四种不同的非负矩阵分解模型,能够提取复合社区在多路复用网络。每个算法分为两个步骤:首先,它找到每个网络层的非负,低维特征表示;然后,它通过集体因子分解将层的特征表示融合成一个共同的非负,低维特征表示。从共同特征表示中提取复合聚类。我们证明了我们的算法在各种类型的多路复用网络,包括生物,社会,经济,引用,电话通信和大脑多路复用网络的最先进的方法的优越性能。
2017-01-25 cs.SI stat.ML
Gradient flow-based modularity maximization for community detection in multiplex networks
针对无向多层网络的无监督社区检测问题,提出两种基于梯度流的方法(MPBTV等价于多层模块化最大化、DGFM3直接最大化该指标),通过高效求解非线性矩阵值ODE,在指标性能相当的情况下大幅降低计算复杂度,提升大型网络运行效率。
2024-12-03 cs.NA cs.SI math.NA
Community Detection and Improved Detectability in Multiplex Networks
我们研究了在多重网络中,如社交网络,具有未知的任意异构结构的社区检测的广泛遇到的问题。为了提高可检测性,我们提出了一个生成模型,利用了多个层中单个社区的多样性,没有预先假设不同层之间的社区关系。我们的模型依赖于一个新的想法,将一个大的通用本地化社区标签的限制跨层,结合著名的随机块模型(SBM)在每一层。因此,我们建立了一个概率图形模型,在整个多路复用网络的贝叶斯先验的约束条件。我们从数学上证明了这些约束/先验促进了跨层相同社区的存在,而不会在各个社区之间引入进一步的相关性。进一步定制的约束,使稀疏的图形模型和数值高效的信念传播算法随后采用。我们进一步证明了通过数值实验,在不同的层之间的一致的社区的存在下,一致的社区是匹配的,并且检测能力比单个层提高。我们比较我们的模型与“相关模型”,利用社区层之间的相关性的先验知识。在这种相关性下获得了类似的可检测性改善,即使我们的模型依赖于比相关模型温和得多的假设。我们的模型甚至在一定的相关性和信噪比(SNR)范围内表现出更好的检测性能。在缺乏社区相关性的情况下,相关性模型自然会失败,而我们的模型则保持其性能。
2019-11-25 cs.LG cs.SI physics.soc-ph
Layer Communities in Multiplex Networks
多路复用网络是一种多层网络,其中实体通过多种类型的连接彼此连接。我们提出了一种方法,计算层之间的成对相似性,然后做社区检测的基础上,分组结构相似的层复用网络。我们使用合成网络和经验网络来说明我们的方法,并且我们能够在这两种情况下找到有意义的层组。例如,我们发现,位于相似地理位置的航空公司倾向于在航空公司多路网络中分组在一起,物理学的相关研究领域倾向于在多路合作网络中分组在一起。
2017-06-13 cs.SI physics.data-an physics.soc-ph
A Majority-Vote Model On Multiplex Networks with Community Structure
研究了具有社团结构的二层多路复用网络中的多数投票模型。在我们的多数投票模型中,每一层上的边编码一种类型的社会关系,个人根据每一层中邻居的多数意见改变自己的意见。要捕捉的事实,不同的关系往往有不同程度的重要性,我们引入了一个层偏好参数,它决定了一个节点的概率,采用一个意见时,节点的邻居在两个层有不同的多数意见。我们构建网络,使得每个节点都是每层上一个社区的成员,并且我们考虑节点与来自同一社区的节点的连接往往多于与来自不同社区的节点的连接的情况。我们研究的层偏好参数的影响,层内社区,和层间成员的相关性对我们的模型的稳态行为,使用直接数值模拟和平均场近似。我们发现三种不同类型的稳态行为:完全混合状态,共识状态和极化状态。我们证明了一个更强的层间社区的相关性,使极化的稳定状态达到更广泛的范围内的其他模型参数。我们还表明,不同的层偏好参数值的结果在定性不同的相图的平均意见在稳定状态。
2022-06-27 cond-mat.stat-mech cs.SI math.DS
Information transfer in community structured multiplex networks
解释不同类型交互的复杂网络的研究在过去几年中已经成为一个感兴趣的主题,特别是因为它在描述不同在线社交平台(Facebook,Twitter,Instagram等)中的用户交互方面的代表性力量。这些相互作用的网络的数学描述被称为多层网络,其中每一层都代表一种类型的相互作用。它已被证明,在这些网络上的扩散过程提出了一种现象,不能解释的单层扩散现象的天真叠加,但需要整个结构的互连层。然而,对多层网络上扩散现象的描述已经排除了这样一个事实,即社交网络具有强大的中观结构,由共同利益或任何其他社会方面驱动的不同个体社区所代表。本文研究了具有社团结构的多层网络中的信息传递问题。最终的目标是了解和量化,如果存在定义明确的社区结构在各个层次的水平,连同整个网络的多层结构,增强或恶化的信息包的扩散。
2015-09-15 cs.SI physics.soc-ph
Dynamical origins of the community structure of multi-layer societies
社会结构是个人管理各种不同社会关系的结果。社会可以表现为高度结构化的动态多元网络。在这里,我们研究了一个大规模的社会多元化网络的人类社会,互动在一个大型多人在线游戏的虚拟世界中的特定社区结构的动态起源。在那里,我们发现不同社会行为的社区结构存在实质性差异,这些差异由多元化中的各种网络层表示。社区规模分布要么类似于幂律,要么似乎集中在50个个体的大小。为了理解这些观察结果,我们提出了一个选民模型,是围绕三元闭包的原则。它明确地模拟了跨多路复用的不同层的节点和链路动态的共同进化。根据链接和节点的波动率,该模型表现出异常破碎的碎片过渡,其中一个层的碎片从一个大的组件成许多小的组件。观察到的社区规模分布与模型中预测的破碎化是很好的协议。我们表明,经验成对的网络层的相似性,在链接重叠和程度的相关性,实际上符合模型。这表明社会分裂的几个详细特征可以追溯到三重封闭过程。
2016-02-29 cond-mat.stat-mech cs.SI physics.soc-ph
Efficient Community Detection in Boolean Composed Multiplex Networks
网络(或图)用于对复杂系统中实体之间的二元关系进行建模。在实体之间存在多个关系的情况下,复杂系统可以表示为多层网络,其中每层中的网络表示一个特定的关系(或特征)。多层网络的分析涉及组合特定层的边,然后计算网络属性。可以组合层的不同子集。对于任何布尔组合运算(例如AND、OR),可能子集的数量与层数呈指数关系。因此,从头开始重新计算每个子集是一个昂贵的过程。在本文中,我们提出了一种有效地分析多层网络的方法,我们称之为网络分解。网络分解基于单独分析每个网络层,然后汇总分析结果。我们证明了使用网络分解的有效性,用于检测网络层的不同组合上的社区。我们对从真实世界和合成数据集获得的多层网络的结果表明,我们提出的网络分解方法需要显着降低计算时间,同时产生高精度的结果。
2019-09-07 cs.DB cs.SI
Comparison of Communities Detection Algorithms for Multiplex
多重图是同一顶点集上的一组图,即$\{G(V,E_1),\ldots,G(V,E_m)\}$。它是一个广义的图模型的多个顶点之间的平行边的关系。本文综述了现有的多路复用的社区检测算法,并对它们进行了比较分析。
2014-06-09 cs.SI 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
Interests Diffusion on a Semantic Multiplex
利用社会网络(SN)成员的信息是学术界和应用科学家最有吸引力和居住的主题之一。复杂性科学界,特别是那些研究多元社会系统的研究人员,正在投入越来越多的努力来概述一般规律,模型和理论,以预测SN中出现的现象(例如产品的成功)。另一方面,语义网社区的目标是设计新一代的高级服务,以满足特定人群的需求。这意味着定义用于处理SN的语义层的构造、模型和方法。我们将前两个领域的模型和技术结合起来,提供了一种混合方法来理解一个基本(但复杂)的现象:个人兴趣在社交网络中的传播。由于信息可能沿着不同的社交网络传播,因此应该考虑多元化结构。因此,我们引入了“语义多重性”的概念。在本文中,我们分析了两个不同的语义社交网络所代表的作者发表在计算机科学和那些在美国物理学会期刊。通过比较,可以概述共同和具体的特征
2016-05-19 cs.SI physics.soc-ph
Synchronization over $Z_2$ and community detection in multiplex signed networks with constraints
从成对比的噪声测量中找到群元素也被称为群同步问题,首先在平面旋转的群SO(2)的背景下引入,其有用性最近在工程和结构生物学中得到了证明。在这里,我们专注于同步在$\mathbb{Z}_2$,并考虑在一个多路复用网络中识别社区的问题时,节点之间的相互作用所描述的签署(可能加权)的相似性的措施,当多路复用网络有一个自然的分区成两个社区。当一个有额外的信息,某些子集的节点表示相同的未知组元素,我们考虑和比较几种算法的基础上频谱,半定规划(SDP)和消息传递算法。换句话说,这样的子集内的所有节点表示相同的未知群元素,并且在属于不同的非重叠子集的节点对之间具有可用的噪声成对测量。继最近对SO(2)上同步的特征向量方法的分析之后,我们利用随机矩阵理论文献的结果,分析了当成对测量的基础图是Erdens-Rényi随机图时,$\mathbb{Z}_2$上同步的特征向量方法对噪声的鲁棒性.我们还提出了一个消息传递同步算法,优于现有的特征向量同步算法,只为某些类的图形和噪声模型,并享有的灵活性,将其他频谱或基于SDP的方法可能不容易容纳的约束。我们将我们的方法应用于几个合成模型和一个真实的数据集的唱名投票模式在美国国会跨时间,以确定两个现有的社区,即,民主党和共和党。
2015-04-15 cs.SI math.OC physics.soc-ph
Sparse Subspace Clustering in Diverse Multiplex Network Model
University of Memphis(孟菲斯大学);University of Central Florida(中佛罗里达大学)
本文针对DIMPLE多重网络模型,提出使用稀疏子空间聚类(SSC)识别具有相同社区结构的网络层组,实现强一致层间聚类,并支持更大规模网络与并行计算。
2023-04-25 cs.LG cs.SI stat.ML
Multiplex Communities and the Emergence of International Conflict
The Ohio State University(俄亥俄州立大学);University of Birmingham(伯明翰大学);Hertie School(赫尔蒂学院)
社区发现的进展揭示了对多重和多层网络的新见解。然而,较少的工作,调查这些社区之间的关系和社会系统的结果。我们利用这些进展来阐明国际体系的合作中观结构与国家间冲突爆发之间的关系。我们根据联合国投票和演讲中表达的较弱的亲和力信号以及在多层次双边合作中观察到的较强信号来发现社区。外交关系密切的社区与冲突的发生呈现预期的负相关。然而,基于观察到的合作关系的社区,显示没有影响下的标准模型规范和冲突下的替代规范的积极关系。这些结果与一些现存的假设一致,但也表明我们对网络中社区结构和行为结果之间关系的理解不足。
2019-12-17 cs.CL cs.CY cs.SI
Extracting Information from Multiplex Networks
多路复用网络是一种广义网络结构,它能够描述由具有不同内涵的链路连接的同一组节点的网络。多重网络无处不在,因为它们也描述了社会,金融,工程和生物网络。将我们分析复杂网络的能力扩展到多重网络结构,可以大大提高从大数据中提取信息的水平。因此,刻画多路网络中节点的中心性,寻找新的方法来解决多路网络中的推理问题,是网络科学的基本问题。在本文中,我们讨论的相关性的多路复用PageRank算法测量多层网络中的节点的中心性,我们最近推出的指标函数$\widetildeΘ^{S}$描述他们的中尺度组织和社区结构的特点的效用。作为研究这些措施的工作示例,我们考虑了三个用于社会科学的多重网络数据集。
2016-05-16 cs.SI physics.soc-ph
The weak core and the structure of elites in social multiplex networks
最近的精英识别方法强调了{ \em中介}的重要作用,通过一个新的定义的核心的多重网络,{ \em广义} $K$ -核心。这个新引入的核心子图关键地包含了那些个体,尽管他们没有很好的联系,但保持了核心的凝聚力和可塑性。有趣的是,已经表明,广义$K$核心的精英识别性能明显好于标准$K$核心。在这里,我们走得更远:在一个多元化的社会系统中,我们隔离的社区结构的广义$K$ -核心,我们确定了弱连接区域作为核心社区之间的桥梁,确保核心区域的凝聚力和连通性。该粘合区域是多重系统的{ \em弱核心}。我们测试我们的方法的适用性的数据从社会的420.000玩家的大型多人在线游戏{ \em Pardus}。结果表明,广义的$K$核心显示出一个明确的可识别的社区结构和弱核心胶合核心社区显示出非常低的连接性和聚类。尽管如此,尽管其连接性较低,但弱核心形成了一个独特的、有凝聚力的结构。此外,我们发现,成员填充的弱核心有最好的成绩在社会表现,相比,其他元素的广义$K$ -核心。弱核心为理解精英的社会结构提供了一个新的视角,突出了那些在核心中扮演粘合不同社区角色的个人亚群。
2014-12-22 cs.SI physics.soc-ph
Representation learning in multiplex graphs: Where and how to fuse information?
Wroclaw University of Science and Technology(弗罗茨瓦夫科技大学)
本文研究多重图的无监督与自监督节点表示学习,通过比较图处理流程不同层级的信息融合方案,提出面向多重图的 GNN 架构改进思路。
2024-02-27 cs.LG cs.SI
Detection of the elite structure in a virtual multiplex social system by means of a generalized $K$-core
精英是社会中的一群人,他们有能力和手段来影响、领导、治理和塑造社会。精英成员通常是关系密切的个人,这使他们能够对许多人施加影响,并迅速收集,处理和传播信息。在这里,我们认为,精英不仅是由高度连接的个人,但也有中介连接枢纽,形成一个有凝聚力的和结构化的精英小组的核心社会网络。为此,我们提出了一个概括的$K$核心算法,允许识别一个社会核心,是由良好连接的枢纽与他们的“连接器”。我们的想法的有效性的框架内定义的一个大型多人在线游戏,我们有各种社交网络的完整信息的虚拟世界。利用这种多元化的结构,我们发现,枢纽的广义$K$ -核心识别那些个人是高社会性能的一系列指标,可在游戏中。此外,使用一种涉及广义$K$ -核心和最近引入的$M$ -核心的组合策略,游戏中存在的不同“国家”的精英被完美地识别为广义$K$ -核心的模块。在深层观察到精英核心的组成发生了有趣的突然变化。我们表明,精英检测与传统的$K$核心是不可能的,在一个可靠的方式。所提出的方法可能是有用的,在一系列更一般的应用,如社区检测。
2014-12-22 cs.SI physics.data-an physics.soc-ph
Anomaly Detection in Multiplex Dynamic Networks: from Blockchain Security to Brain Disease Prediction
University of British Columbia(不列颠哥伦比亚大学)
动态网络中异常点的识别问题是一个具有广泛应用前景的基础性课题。然而,由于异常的复杂性,缺乏地面真相知识以及网络中复杂和动态的相互作用,它提出了关键的挑战。大多数现有的方法通常研究网络与一个单一类型的顶点之间的连接,而在许多应用中,对象之间的相互作用是不同的,产生多路网络。我们提出了ANOMULY,一个通用的,无监督的边缘异常检测框架的多重动态网络。在每种关系类型中,ANOMULY将不同GNN层的节点嵌入视为分层节点状态,并采用GRU单元来捕获网络的时间属性并随时间更新节点嵌入。然后,我们添加了一个注意力机制,它包含了不同类型关系的信息。我们对大脑网络的案例研究表明,这种方法可以作为一种新的工具来理解可能揭示大脑疾病或障碍的异常大脑活动。在九个真实世界数据集上的广泛实验表明,ANOMULY实现了最先进的性能。
2022-11-15 cs.AI cs.LG cs.SI
A nonlinear spectral core-periphery detection method for multiplex networks
提出一种非线性谱方法,通过交替不动点迭代优化节点和层核心度向量,实现多重网络的核-边缘检测,并具有线性时间复杂度和抗噪性。
2024-05-28 cs.NA cs.SI math.NA
Multiplex Nodal Modularity: A novel network metric for the regional analysis of amnestic mild cognitive impairment during a working memory binding task
本文提出节点模块度nQ,将全局模块度扩展至节点层面,并在AD早期工作记忆绑定任务的多重脑网络中验证其能揭示局部模块结构变化、区分MCI与MCI转化者,为疾病相关节点级变异分析提供新工具。
2025-06-03 cs.SI physics.bio-ph q-bio.NC
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
Role-based Label Propagation Algorithm for Community Detection
网络的社区结构提供了对其组织结构和功能行为的全面洞察。LPA是最常用的社区发现算法之一,具有近似线性的时间复杂度。但由于引入了随机性,导致其稳定性差,容易出现怪物群落。我们注意到,不同的面向社区的节点角色以不同的方式影响标签传播。在本文中,我们提出了一个基于角色的标签传播算法(roLPA),在其中使用了关于面向社区的节点角色的算法。我们已经评估了所提出的算法在真实和人工网络。结果表明,roLPA是国家的最先进的社区发现算法相媲美。
2016-01-23 cs.SI physics.data-an physics.soc-ph
Enhancing community detection by local structural information
许多现实世界的网络,如基因网络,蛋白质-蛋白质相互作用网络和代谢网络表现出社区结构,这意味着网络中存在密集连接的顶点组。网络中的许多局部相似性度量与社区结构的概念密切相关,对网络中的社区发现有积极的作用。在这里,各种局部相似性措施被用来提取局部结构信息,然后被应用到社区检测网络中使用的边缘重加权策略。社区检测的局部相似性措施的效果进行了仔细研究,并在各种网络中进行了比较。实验结果表明,局部相似性度量对社区检测方法的改进至关重要,而局部相似性度量的积极效果与所研究的网络和所应用的社区检测方法密切相关。
2016-01-04 cs.SI physics.data-an physics.soc-ph
The many facets of community detection in complex networks
社区发现是将图分解为基本构建块的过程,是近年来网络科学的核心研究课题。由于什么构成社区的精确概念仍然是模糊的,社区发现算法经常在基准图上与特定形式的替代社区结构进行比较,并根据它们采用的数学技术进行分类。然而,这种比较可能会产生误导,因为它们的数学机制中明显的相似之处可能会掩盖不同的目标和原因,而这些目标和原因正是我们首先要采用社区发现的原因。在这里,我们提供了这些不同的动机,支持社区发现的重点审查。这种问题驱动的分类在应用网络科学中很有用,在应用网络科学中,为给定的目的选择合适的算法是很重要的。此外,强调不同方面的社区发现也划定了许多线的研究,并指出开放的方向和途径,为未来的研究。
2017-02-15 cs.SI physics.data-an physics.soc-ph
Case studies in network community detection
社区结构描述了网络到子图的组织,子图包含每个子图内的边的普遍性和子图之间边界上相对较少的边。社区检测方法的发展跨越了各个学科,提出了许多不同的算法来寻找社区。正如我们在本章中通过几个案例研究所展示的那样,社区检测不仅仅是一个“最终游戏”本身,而是分析网络数据的一个步骤,然后对感兴趣的学科领域的进一步研究很有用。这些案例研究的例子来自不同的应用,从社会和政治科学到神经科学和遗传学,我们选择它们来展示社区检测的关键方面,并强调社区检测在实践中应该由手头的应用程序来指导。
2017-05-05 cs.SI physics.data-an physics.soc-ph
Modeling roles and trade-offs in multiplex networks
本文提出多重潜在权衡模型(MLT),用于提取多重社交网络中的角色,综合考虑独立性、依赖性和相互依赖性,并在176个真实网络中验证了其揭示社会交换原则和提升链路预测性能的有效性。
2025-08-07 cs.SI
Non-overlapping community detection
社区检测问题的定义和特征的丰富性导致了令人印象深刻的文献。事实上,近年来已经引入了许多社区检测方法和调查。这里的目标是提出一个国家的最先进的最成熟的研究在这一领域。因此,我们将集中在非重叠社区发现与基本图形模型。在本章中,我们将概述最有影响力的社区发现方法,其中包括大多数主要方法和技术。还将特别重视社区评价。
2018-05-29 cs.SI
Improving community detection via community association strength scores
本文提出三种社区关联强度分数作为后处理工具,用于改进节点划分、识别离群节点并发现多社区成员节点。
2025-01-29 cs.SI
No Community Detection Method to Rule Them All!
本文研究了社区检测方法对下游任务性能的影响,发现没有单一标准算法能取得最佳效果,而结合随机社区生成与简单机器学习技术能获得更好性能。
2025-09-15 cs.SI
Streaming Local Community Detection through Approximate Conductance
社区是各种复杂网络中普遍存在的一种结构,社区发现是网络分析的一项基本任务。随着网络规模的快速增长,网络规模庞大,变化迅速,可以很自然地建模为图流。由于图流中存储空间和访问约束的限制,现有的非流社区发现方法不再适用。这就产生了对在线方法的新需求。在这项工作中,我们考虑的问题,发现本地社区包含几个查询节点的图形流,称为流本地社区发现。这是最近提出的一个新问题,对于社区发现来说更具挑战性,并且只有少数作品解决了这种在线设置。相应地,我们设计了一种在线的单通道流媒体本地社区发现方法。受社区“局部”属性的启发,我们的方法对图流中查询节点周围的局部结构进行采样,并使用我们提出的称为近似电导的度量在采样子图上提取目标社区。综合实验表明,我们的方法显着优于流基线的有效性和效率,甚至达到类似的准确性相比,最先进的非流本地社区发现方法,使用静态和完整的图。
2021-10-28 cs.SI
Hierarchical community detection benchmark for heterogeneous inter-community connectivity
本文提出分层基准HGLFR,在保留LFR和GLFR特性的基础上引入异质社区间连接,可生成触发分辨率极限且保持同配连接的网络,用于改进社区检测算法的评估。
2025-03-12 cs.SI
A Local Perspective on Community Structure in Multilayer Networks
多层网络的分析是网络科学中最活跃的领域之一,现在有几种方法可以检测多层网络中节点的密集“社区”。定义社区的一种方法是将其定义为一组节点,这些节点在很长一段时间内捕获了类似扩散的动态过程(通常是随机游走)。在这种观点中,社区是一组节点,它们对网络上动态过程的传播产生瓶颈。我们分析了多重网络(这是多层网络,其中不同的层对应于不同类型的边缘)上不同的随机游走的局部行为,并表明它们具有非常不同的瓶颈,因此对应于相当不同的概念,这意味着一组节点是一个很好的社区。这对基于这些随机游走的社区检测方法的行为有直接的影响。
2016-05-22 cs.SI math.PR nlin.AO
Multi-View Community Detection in Facebook Public Pages
社交网络中的社区发现由于其在揭示人们如何连接和交互方面的重要性而被广泛研究。然而,很少有人关注Facebook公共页面中的社区结构。在这项研究中,我们调查的社区发现问题,在Facebook的新闻组页面。特别是,为了处理用户活动的多样性,我们应用多视图聚类来整合不同的视图,例如,喜欢的帖子和喜欢的评论。在这项研究中,我们探索的社区结构,不仅在一个给定的单一页面,但在多个页面。结果表明,该方法能有效地减少分离株,提高群落结构质量。
2018-12-06 cs.SI
An improved spectral clustering method for mixed membership community detection
社区发现近年来得到了很好的研究,但更现实的情况下,混合成员社区发现仍然是一个挑战。在这里,我们开发了一个有效的频谱算法Mixed-ISC的基础上,应用超过K个特征向量聚类给定K个社区,估计社区成员的度校正的混合成员(DCMM)模型。我们证明了该算法是渐近相容的。模拟网络和许多经验网络的数值实验表明,混合ISC表现良好的混合成员社区发现的基准方法相比。特别是,混合ISC在弱信号网络上提供了令人满意的性能。
2020-12-11 cs.SI
Social Network Community Detection Based on Textual Content Similarity and Sentimental Tendency
共享出行逐渐成为微博等社交平台上讨论的热点话题之一。及时对社交网络中共享出行的评价内容进行更深层次的网络社区发现,可以有效地对共享出行相关的舆论导向进行研究分析,具有很大的应用前景。现有的社区发现算法一般从空间距离的角度来度量网络中节点的相似性。提出了一种基于文本内容相似度和情感倾向的社区发现算法(CTST),同时考虑了网络结构和节点属性。将网络社区用户的内容相似度和情感倾向作为节点属性,在此基础上构建无向加权网络进行社区发现。本文用实际数据进行了实验,并对实验结果进行了分析。实验结果表明,社区发现结果模块化程度高,效果较好。
2022-06-22 cs.SI
General Community Detection with Optimal Recovery Conditions for Multi-relational Sparse Networks with Dependent Layers
近年来,多层和复用网络正在成为常见的网络数据集。我们考虑的问题,确定一种特殊类型的多层网络称为多关系网络的共同社区结构。我们考虑扩展的谱聚类方法的多关系网络,并给出理论保证,谱聚类方法恢复社区结构一致的多关系网络产生的多层版本的随机和度校正块模型,即使网络层之间的依赖。该方法示出的网络的度参数上的最佳条件下工作,以检测两个独立的和独立的社区结构与消失的错误比例,即使个别层的多关系网络的网络结构低于社区可检测性阈值。我们也通过模拟加强了理论结果的有效性。
2020-04-06 cs.SI math.ST stat.ME
Individual Fairness in Community Detection: Quantitative Measure and Comparative Evaluation
LIACS, Leiden University(莱顿大学计算科学研究所)
本文提出了一种量化社区检测中个体公平性的度量方法,并通过实验比较了不同算法在公平性与性能之间的权衡,揭示了个体公平性与群体公平性不可互换性。
2026-02-18 cs.SI
An upper bound on community size in scalable community detection
众所周知,基于模块化优化的社区发现方法往往不能发现小社区。因此,用于社区检测的几个目标函数涉及一个分辨率参数,允许在不同尺度上检测社区。我们提供了一个明确的上限社区规模的社区,从这些功能的优化。我们还显示了一个简单的例子,使用的分辨率参数可能会人为地迫使大型和密集连接的社区完全解体。
2011-03-29 cs.SI physics.soc-ph
Spectral methods for network community detection and graph partitioning
我们认为三个不同的和研究的问题,网络结构:社区检测模块化最大化,社区检测统计推断,和规范化的切割图分区。这些问题中的每一个都可以使用谱算法来解决,该算法利用网络的矩阵表示的特征向量。我们表明,与某些选择的自由参数出现在这些频谱算法的算法,所有三个问题,事实上,是相同的,因此,至少在这里使用的频谱近似,有没有区别之间的模块化和基于推理的社区检测方法,或之间的任何一个和图分区。
2013-07-29 cond-mat.stat-mech cs.SI physics.data-an
Terminal-Set-Enhanced Community Detection in Social Networks
社区发现旨在揭示社会网络中的社区结构,是社会网络研究的基本问题之一。本文基于终端集的概念研究了社区发现问题。终端集是一组用户,其中任何两个用户属于不同的社区。虽然社区发现一般来说是困难的,但终端集可以非常有助于设计有效的社区发现算法。我们首先提出了一个2-近似算法运行在多项式时间的原始社区发现问题。在另一个问题中,为了更好地支持实际应用,我们进一步考虑了对可行分区施加额外限制的情况。对于这种定制的社区发现问题,我们提供了两个随机算法,这是能够找到一个高概率的最佳分区。在基准网络上的实验表明,所提出的算法能够产生高质量的社区。
2016-07-01 cs.SI physics.soc-ph
CommunityGAN: Community Detection with Generative Adversarial Nets
Shanghai Jiao Tong University(上海交通大学)
社区发现是指发现具有相似属性或功能的顶点组,从而理解网络数据的任务。随着最近深度学习的发展,图表示学习技术也被用于社区发现。然而,社区只能通过应用基于学习的顶点嵌入的聚类算法来推断。K-means和Gaussian Mixture Model等常用的聚类算法不能产生大量的重叠社区,这在现实网络中是非常普遍的。在本文中,我们提出了CommunityGAN,一个新的社区发现框架,共同解决重叠的社区发现和图表示学习。首先,与传统的图表示学习算法的嵌入不同,其中向量条目值没有特定的含义,CommunityGAN的嵌入指示顶点对社区的成员关系强度。其次,采用专门设计的生成对抗网络(GAN)来优化这种嵌入。通过模体级生成器和搜索引擎之间的极大极小竞争,两者可以交替迭代地提高性能,最终输出更好的社区结构。对合成数据和现实任务的广泛实验表明,CommunityGAN在最先进的方法上实现了显著的社区发现性能增益。
2019-12-16 cs.AI cs.SI
Community Detection by a Riemannian Projected Proximal Gradient Method
社区发现在理解和利用复杂系统的结构方面起着重要的作用。已经开发了许多使用模块化最大化或其他技术进行社区发现的算法。本文将社区发现问题转化为紧致Stiefel流形上的约束非光滑优化问题。提出了一种黎曼投影邻近梯度法并用于求解该问题。据我们所知,这是第一次尝试使用黎曼优化的社区发现问题。在合成基准测试和真实网络上的数值实验结果表明,该算法是有效的,性能优于几个最先进的算法。
2020-09-25 cs.SI math.OC
Generative models for local network community detection
局部网络社区发现的目标是在一个大型网络中找到一个社区,同时只检查给定种子节点周围的一小部分网络。这比查找网络中的所有社区要便宜得多。大多数用于局部社区发现的方法被公式化为ad-hoc优化问题。在这项工作中,我们从具有社区结构的网络的生成模型开始。通过假设网络是均匀的,我们可以近似网络中未观察到的部分的结构,以获得局部社区发现的方法。我们将这种局部近似技术应用于随机块模型的两个变体。据我们所知,这导致了第一个基于概率模型的局部社区发现方法。有趣的是,在极限中,所提出的近似之一对应于电导,这是该领域中的一个流行度量。在真实数据集和合成数据集上的实验表明,与最先进的本地社区发现算法相比,该算法具有可比性或改进的结果。
2018-04-12 cs.SI stat.ML
Disunited Nations? A Multiplex Network Approach to Detecting Preference Affinity Blocs using Texts and Votes
本文有助于一个新兴的文学,模型投票和文本串联,以更好地理解表达偏好的极化。它介绍了一种新的方法来估计偏好极化多维设置,如国际关系,在自然语言处理和网络科学文献的基础上的发展-即词嵌入,保留了人类语言的有价值的句法质量,和社区发现在多层网络,它定位密集连接的演员在多个,复杂的网络。我们发现,这些工具的就业在串联有助于更好地估计国家的外交政策偏好,在联合国投票和演讲所表达的超出了投票本身所允许的。这些位于亲和力集团的效用是通过应用程序证明在国际关系中的冲突发作,虽然这些工具将是所有学者面临的多维设置中的偏好和极化的测量感兴趣。
2019-10-27 cs.CL cs.CY cs.SI
EntropyWalker, a Fast Algorithm for Small Community Detection in Large Graphs
这份报告提出了一个非常简单的算法,用于在大型图中进行社区检测,例如允许的最小和最大成员数。该算法是基于随机游走的模拟和测量的熵,每个随机游走检测社区的发现。
2015-05-10 cs.SI physics.soc-ph
Overlapping community detection algorithms using Modularity and the cosine
针对节点可同时属于多个社区的重叠社区检测问题,本文提出两种基于两步法、利用扩展模块度和余弦函数的算法,适用于无向和有向图,并通过真实数据实验验证了其可行性和有效性。
2024-03-12 cs.DM cs.SI
From Community Detection to Community Deception
University of Calabria(卡拉布里亚大学);Institute for High Performance Computing and Networking, ICAR-CNR(高性能计算与网络研究所,ICAR-CNR)
社区欺骗问题是关于如何从社区发现算法中隐藏目标社区C。每当一组实体(例如,积极分子、警察执法部门)希望合作,同时隐瞒他们作为一个社区的存在。在本文中,我们介绍和形式化的社区欺骗问题。为了解决这个问题,我们描述了仔细重新连接C的成员的算法。我们的实验表明,如何现有的社区发现算法可以欺骗,并通过引入欺骗分数量化的欺骗水平。我们相信,我们的研究是有趣的,因为,同时显示如何欺骗可以实现它提高了意识的设计新的检测算法鲁棒欺骗技术。
2016-09-01 cs.AI cs.SI physics.soc-ph
Ensemble approaches for improving community detection methods
Linkoping University(林雪平大学);Umeå University(于默奥大学);Swedish Defence Research Agency(瑞典国防研究局)
统计估计往往可以通过融合来自几个不同来源的数据来改进。一个例子是所谓的集成方法,它已成功应用于机器学习等领域,用于分类和聚类。在本文中,我们提出了一种集成方法,以提高社区检测聚合的信息发现在一个合奏的社区结构。这个集合可以通过重新采样方法、多次运行随机社区检测方法或应用于同一网络的几种不同社区检测算法来发现。使用随机网络的社区结构,并与两种常用的社区检测方法进行了比较,所提出的方法进行了评估。所提出的方法应用于随机社区检测算法时,表现良好,计算复杂度低,从而提供了一种新的方法来社区检测和额外的社区检测方法。
2013-09-01 cs.LG cs.SI physics.soc-ph
Exact Recovery of Community Detection in k-Community Gaussian Mixture Model
University of Connecticut(康涅狄格大学)
本文研究了高斯混合模型上的社区发现问题,其中顶点被划分为$k\geq 2$不同的社区.我们模型的主要区别在于,对于观测矩阵中的不同条目,高斯扰动的强度是不同的,并且我们不假设每个社区都有相同数量的顶点。我们明确地找到最大似然估计的精确恢复的阈值。应用包括超图上的社区发现。
2020-08-29 cs.LG cs.SI math.PR