The way to uncover community structure with core and diversity
社区在自然界和社会中无处不在。拥有共同财产的个体通常会自我组织形成社区。本文针对计算复杂、信息预先给定、不同运行结果不稳定等不足，提出了一种简单有效的方法，加深了对复杂系统中群落出现和多样性的理解。该方法通过引入理性随机选择，揭示了社区结构中隐藏的确定性和正常的多样性社区状态。为了证明这种方法，我们用真实世界的系统进行了测试。实验结果表明，该方法不仅能够以较高的灵敏度和可靠性检测出社区结构，而且能够通过给出核心社区、真实社区、潮流和多样性等信息，对隐藏的确定性社区世界和正常的多样性社区世界提供指导性信息。这对于理解、预测和控制复杂系统中的各种集体行为是至关重要的。
2017-06-28 cs.SI physics.data-an physics.soc-ph
The interplay between ranking and communities in networks
社区发现和层次提取通常被认为是网络上独立的推理任务。在研究真实世界的数据时，只考虑两者之一可能过于简单化。在这项工作中，我们提出了一个生成模型的基础上社区和层次结构之间的相互作用。它假设每个节点在交互机制中有一个偏好，具有相同偏好的节点更有可能进行交互，而异构交互仍然是允许的。利用网络的稀疏性来实现更有效的算法。我们证明了我们的方法在合成和真实世界的数据和性能比较与两个标准的方法社区发现和排名提取。我们发现，该算法准确地检索整体节点的偏好在不同的情况下，我们表明，它可以区分小的子集的节点的行为不同于大多数。因此，该模型可以识别网络是否具有总体偏好的交互机制。这在没有关于什么结构可以很好地解释所观察到的网络数据集的明确“先验”信息的情况下是相关的。我们的模型允许从业者从数据中自动学习这一点。
2022-05-13 cs.SI physics.data-an physics.soc-ph
Exploring the core-periphery and community structure in the financial networks through random matrix theory
本研究利用随机矩阵理论滤除印度股市指数收益率互相关矩阵的噪声，结合网络理论分析发现市场模式含核心-边缘结构、行业模式含社区结构，且基于全互相关矩阵的投资组合表现更优，深化了RMT的金融应用认知。
2024-10-09 cs.SI physics.soc-ph
Community membership consistency applied to corporate board interlock networks
社区发现是研究社交网络中尺度结构的一种成熟方法。应用社区发现算法导致将网络划分为社区，该社区通常用于检查和推理特定节点的社区成员关系。这种对社区结构的微观解释步骤是典型社会科学研究中的关键步骤。然而，在这一步骤中的方法警告是，几乎所有现代社区发现方法都是不确定的，并且基于随机化和近似结果。这需要在推理单个节点的社区成员关系时明确考虑。要做到这一点，我们提出了一个社区成员一致性的指标，它提供了节点级的见解，该节点到社区的位置是多么可靠。此外，它使我们能够区分社区的社区核心成员。公司董事会联锁网络，其中加权链接代表公司之间共享的高级董事，所提出的指标的实用性证明。研究结果表明，全球商业集团的社区结构是围绕持久的社区由地理和文化的接近联系在一起的核心国家。此外，我们确定了边缘国家，似乎与一些不同的全球商业社区。
2021-10-20 cs.SI physics.soc-ph
Matching Community Structure Across Online Social Networks
网络中社团结构的发现是近年来引起人们极大兴趣的一个问题。在在线社交网络中，用户经常同时参与多个社交媒体站点，其中一些共享共同的社交关系。在这些网络中发现一个共享的社区结构是非常有趣的。然而，在现实中，用户通常在社交媒体网站上使用不同的用户名来标识自己。这就给探测群落结构带来了很大的困难。在本文中，我们探讨了几种方法，社区发现在线社交网络与有限的知识，跨网络的用户名对齐。我们将已知的用户名对齐称为种子。我们研究了种子选择策略及其对具有不同重叠顶点比例的网络的影响。我们的目标是研究网络拓扑结构和种子选择策略之间的相互作用，并了解它如何影响检测到的社区结构。我们还提出了几种措施来评估社区发现的性能，并使用它们来衡量Twitter-Twitter网络和Twitter-Instagram网络中检测到的社区的质量。
2016-08-03 cs.SI physics.soc-ph
A generative model for community types in directed networks
本文提出一种网络演化生成模型，可复现有向网络中四种成对社区类型，通过平均场解揭示了模型参数对社区关系的影响，阐明了不同社区类型转变的机制及观测背后的原理。
2024-05-23 cs.SI physics.soc-ph
Core-periphery structure requires something else in the network
一个具有核心-外围结构的网络由密集互连的核心节点组成。社区结构是一种不同的中尺度网络结构，与之相反，核心节点可以连接到外围节点，而外围节点并不密集互连。虽然核心外围结构听起来合理，我们认为，它只是占异构度分布，如果一个分区的网络分为一个单一的核心块和一个单一的外围块，著名的Borgatti-Everett算法和许多后续算法假设。换句话说，有一种强烈的趋势，即高度和低度节点被判断为核心和外围节点，分别。为了讨论超出节点度预期的核心-外围结构（如配置模型所描述的），我们建议需要假设至少一个远离焦点核心-外围结构的节点块，例如不同的核心-外围对，社区或不属于任何中尺度结构的节点。我们提出了一个可扩展的算法来检测网络中的核心和外围对，控制节点的程度的影响。我们使用各种经验网络来说明我们的算法。
2018-04-27 cs.SI physics.soc-ph
Uncovering Complex Overlapping Pattern of Communities in Large-scale Social Networks
当每个顶点参与多个社区时，传统的社区概念倾向于内部边缘与外部边缘的高比率变得无效。这种行为在社交网络中是常见的。社区之间的显著重叠使得大多数现有的社区发现算法无效。缺乏有效和高效的工具，导致很少有实证研究的大规模检测和分析重叠的社区结构在真正的社交网络。我们最近开发了一个可扩展的和准确的方法称为部分社区合并算法（PCMA）的线性复杂度，并证明了其有效性，通过分析两个在线社交网络，新浪微博和Facebook，分别为79.4和65.6万顶点。在这里，我们报告了对PCMA检测到的290万个社区的深入分析，以揭示它们复杂的重叠结构。每个社区通常与大量其他社区重叠，并且具有比内部边缘多得多的向外边缘。然而，这些社区仍然彼此隔离。社区中的大多数顶点是多成员顶点，它们可以位于核心或外围。几乎整个网络的一半可以由一个极其密集的社区网络来占据，社区是顶点，重叠是边。实证研究结果要求我们重新思考社区的概念，尤其是社区的边界。意识到边缘是如何组织的问题，f-核心建议作为一个合适的概念重叠社区在社交网络。研究结果为理解重叠群落提供了新的思路。
2019-06-02 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
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
Ensemble-Based Discovery of Disjoint, Overlapping and Fuzzy Community Structures in Networks
虽然数据采掘中的集成聚类已经做了大量的工作，但集成方法在网络社区发现中的应用还处于起步阶段。在本文中，我们提出了两种集成方法：ENDISCO和MEDOC。ENDISCO执行不相交的社区发现。相比之下，MEDOC执行不相交，重叠，和模糊社区发现，并代表了第一次集成方法模糊和重叠社区发现。我们运行广泛的实验，这两种算法对合成和几个真实世界的数据集，社区结构是已知的。我们表明，ENDISCO和MEDOC都击败了最著名的现有独立的社区发现算法（虽然我们强调，他们利用他们）。在不相交的社区发现的情况下，我们表明，ENDISCO和MEDOC击败现有的集成社区发现算法无论是在多个准确性措施和运行时间。我们进一步表明，我们的集成算法可以帮助探索网络社区的核心-外围结构，识别动态网络中的稳定社区，并帮助解决“解的退化”问题，产生强大的结果。
2017-12-06 cs.SI physics.soc-ph
Evolving Models for Meso-Scale Structures
现实世界的复杂网络是无标度的，具有核心-外围和社区结构等中尺度特性。我们研究的核心随着时间的推移，在现实世界的网络。本文提出了具有局部和全局核心-外围以及社团结构的未加权和加权无标度网络的演化模型。网络通过拓扑增长、自增长和权值分布函数进行演化。为了验证所提出的模型的正确性，我们使用K壳和S壳分解方法。仿真结果表明，生成的未加权网络服从幂律度分布，具有下垂头和厚尾。类似地，生成的加权网络遵循度、强度和边权重幂律分布。我们进一步研究了复杂网络的其他性质，如聚类系数、最近邻度和强度度相关性。
2015-11-29 cs.SI physics.soc-ph
Finding compact communities in large graphs
本文提出了一种有效的层次聚类算法，解决了核心社区发现的问题。它是标准社区发现问题的一个变体，我们对社区的连接核心特别感兴趣。为了解决这个问题，我们对社区的标准定义提出了质疑，并提供了替代方案。我们还提出了一个功能称为紧凑性，旨在评估质量的解决方案，这个问题。我们的算法是基于图遍历算法，LexDFS。我们的方法的时间复杂度是在$O(n\times log(n))$。实验表明，我们的算法创建高度紧凑的集群。
2015-08-31 cs.SI physics.soc-ph
Identifying robust features of community structure in complex networks
本文提出递归显著性聚类方案，识别网络扰动下社区归属稳定的节点核心，以刻画非重叠社区结构的固有变异性并验证其在网络演化中的内聚性。
2025-02-05 physics.soc-ph
Identification of core-periphery structure in networks
许多网络可以有效地分解为一个密集的核心加上一个外围的松散连接的外围。在这里，我们提出了一个算法，用于执行这样的分解经验网络数据，使用统计推断的方法。我们的方法适合生成模型的核心-外围结构观察到的数据使用的期望-最大化算法计算模型的参数和计算分解本身的信念传播算法的组合。我们发现该方法是有效的，很容易扩展到网络与一百万或更多的节点，我们测试它的一系列网络，包括现实世界的例子，以及计算机生成的基准，它成功地识别已知的核心外围结构低出错率。我们还证明了该方法是免疫的检测能力的过渡中观察到的相关社区发现问题，防止检测社区结构时，该结构太弱。核心-外围结构不存在这样的转变，尽管存在一些统计误差，但无论它多么弱，都是可以检测到的。
2014-09-16 cond-mat.stat-mech cs.SI physics.soc-ph
Wikipedia and Digital Currencies: Interplay Between Collective Attention and Market Performance
关于比特币和其他数字或“加密”货币的信息的生产和消费与它们的市值一起增长。然而，目前仍缺乏对多种数字货币的在线关注度与市场动态之间关系的系统调查。在这里，我们量化了维基百科对数字货币的关注与其市场表现之间的相互作用。我们考虑了货币相关页面的整个编辑历史，以及自2015年7月以来的浏览历史。首先，我们通过分析编辑活动和共同编辑页面的网络来量化维基百科中加密货币存在的演变。我们发现，一个由紧密联系的编辑组成的小社区负责维基百科中有关加密货币的大部分信息。然后，我们表明，一个简单的交易策略，由维基百科的意见，执行更好的，在投资回报方面，比经典的基线策略的大部分覆盖期间。我们的研究结果有助于最近的文献在线信息和投资市场之间的相互作用，我们预计这将是研究人员和投资者的兴趣。
2019-03-06 cs.SI physics.soc-ph q-fin.GN
Using synthetic networks for parameter tuning in community detection
社区发现是网络分析中最重要也是最具挑战性的问题之一。然而，现实世界的网络可能具有非常不同的结构属性和各种性质的社区。因此，很难（甚至不可能）开发一种适用于所有数据集的算法。标准的机器学习工具是考虑参数算法并基于手头的数据集选择其参数。然而，这种方法不适用于社区发现，因为通常没有标记数据可用于这种参数调整。在本文中，我们提出了一个简单而有效的过程，允许调整超参数的任何给定的社区发现算法，而不需要任何标记的数据。其核心思想是生成一个合成网络，其属性与给定的现实世界相似，但具有已知的社区。事实证明，在这种合成图上调整参数也可以提高给定现实世界网络的质量。为了说明所提出的算法的有效性，我们展示了几个著名的参数社区发现算法在各种合成和真实世界的数据集上获得的显着改进。
2019-06-23 cs.SI physics.soc-ph
Characterizing the temporally stable structure of community evolution in intra-urban origin-destination networks
本文提出共识OD网络与时间稳定社区分解方法，利用武汉出租车数据识别出覆盖82.9%区域的稳定群体，揭示核心与外围结构及其空间和功能特征，为城市划分与治理提供依据。
2023-09-22 physics.soc-ph
The interplay between conformity and anticonformity and its polarizing effect on society
在许多领域都可以看到导致两极分化的激烈辩论。虽然实证研究结果表明，这种现象和模块化的社会网络之间有很强的相关性，仍然知之甚少的实际机制驱动社区的意见冲突。在本文中，我们使用了一个基于代理的模型，以检查极化可能会引起的竞争之间的两种类型的社会反应：一致性和反一致性。所提出的模型建立在q-选民模型（Castellano et al. 2009 b）的基础上，并使用双团拓扑来捕获社区的分割。我们的结果表明，集团内整合和集团间反整合之间的相互作用确实可能导致整个系统的极化状态。我们已经发现了一个动态的相变控制的分数$L$之间的交联团。在小的制度值的$L$系统是能够达到总的积极的共识。如果$L$的值足够大，反整合就会占据主导地位，系统总是以极化状态结束。换句话说，网络的分割并不是极化出现的充分条件。在我们的模型中，需要适当水平的片段之间的拮抗相互作用来达到极化稳态。
2016-08-31 cs.SI physics.soc-ph
Local Community Detection in Dynamic Networks
给定一个随时间演化的网络，我们如何在内部互动高而外部互动低的时期内发现社区？为了解决这个问题，我们将传统的局部社区发现在图中的动态网络的设置。采用现有的静态网络的方法在一个“聚合”的所有时间的相互作用的图是不适合的问题，因为动态社区可能是短暂的，从而失去了混合互动时，在很长一段时间。因此，动态社区挖掘需要检测社区节点和它们积极交互的最佳时间间隔。我们提出了一个过滤和验证的动态社区发现框架。为了扩展到长时间间隔的图形演化，我们采用了新的动态社区电导谱界，并采用它们来过滤近线性时间的次优周期。我们还设计了一个时间和图形感知的局部敏感哈希家族，以有效地发现有前途的社区核心。我们的方法PHASR发现社区的质量始终高于基线（2至67倍）。同时，我们的边界允许修剪之间的$55\%$和$95\%$的搜索空间，从而显着节省运行时间相比，即使是温和的时间间隔的图形进化的穷举的替代品。
2017-09-12 cs.SI physics.soc-ph
Social Resilience in Online Communities: The Autopsy of Friendster
我们实证分析了五个在线社区：Facebook，Livejournal，Facebook，Orkut，Myspace，以确定社交网络衰落的原因。我们将社会韧性定义为社区承受变化的能力。我们不讨论这些变化的原因，而是集中讨论它们的影响。更改可能会导致用户离开，这可能会触发与朋友失去联系的其他人的进一步离开。这可能会导致大量用户离开。如果这种级联的规模可以被限制，那么社交网络被认为是有弹性的。为了量化弹性，我们使用k-核心分析来识别网络的子集，其中所有用户都至少有k个朋友。这些联系为每个用户带来了利益（b），这些利益必须超过成为网络成员的成本（c）。如果这种差异不是积极的，用户就会离开。在所有级联之后，剩余的网络是由成本效益c/b比确定的原始网络的k核。通过分析k核的累积分布，我们能够计算每个社区中剩余的用户数量。这使我们能够推断出c/b比率对这些在线社区的弹性的影响。我们发现，不同的在线社区有不同的k-core分布。因此，c/b比率的类似变化对活跃用户数量的影响不同。作为一个案例研究，我们重点讨论了企业家的演变。我们确定新用户进入网络时观察到的c/b比不足的时间段。这一措施可以被视为后来社区崩溃的前兆。我们的分析可以应用于估计用户界面变化的影响，这可能会暂时增加c/b比率，从而对社区缩小，甚至崩溃构成威胁。
2013-02-25 cs.SI physics.soc-ph
The structure of segregation in co-authorship networks and its impact on scientific production
本研究用SSI划分合作作者网络的隔离类别，对比非隔离与高度隔离社群的结构及引用差异，首次揭示社群隔离与作者引用的关联。
2023-05-03 cs.SI physics.soc-ph
Compressing networks with super nodes
社区发现是一种常用的技术，用于基于连接模式的相似性来识别网络中的组。为了便于在大型网络中进行社区发现，我们将网络重新划分为一个较小的“超级节点”网络，每个超级节点包括原始网络中的一个或多个节点。为了定义我们的超级节点的种子，我们应用了'CoreHD'的排名，从拆除和decycling。我们测试我们的方法，通过分析两种常见的方法社区发现：模块化最大化的鲁汶算法和最大似然优化拟合随机块模型。我们的研究结果强调，将社区发现应用于超级节点的压缩网络的速度明显更快，同时成功地产生与本地网络连接更一致的分区，在社区发现算法内部和之间的多个（随机）运行中更稳定，并且与使用完整网络获得的结果重叠。
2017-06-13 cs.SI 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
Community Evolution of Social Network: Feature, Algorithm and Model
研究者们致力于探索社交网络的静态特征，并进一步发现了许多具有代表性的特征，如度分布的幂律和区分社交网络与非社会网络的区分度值。然而，人们并不满足于这些成果，如何揭示社交网络的动态特征，特别是如何有效地跟踪社区演化，越来越受到人们的关注。基于这些兴趣，本文首先展示了社交网络的一些基本但动态的特征。在此基础上，提出了一种新的基于核心的社区演化跟踪算法CommTracker，该算法依靠核心节点建立不同快照下社区之间的演化关系。利用该算法，我们发现了社交网络中的两个独特现象，并进一步提出了两个代表性的系数：增长和代谢，通过这两个系数，我们也能够从动态的角度区分社交网络和非社会网络。最后，我们开发了一个社会网络模型，该模型具有展现上述两个必要特征的能力。
2008-04-28 physics.data-an physics.soc-ph
Unfolding communities in large complex networks: Combining defensive and offensive label propagation for core extraction
标签传播已被证明是一种快速的方法来检测大型复杂网络中的社区。最近的发展也提高了方法的准确性，但是，一个通用的算法仍然是一个悬而未决的问题。我们提出了一种先进的标签传播算法，结合了两个独特的战略，即社区的防御性保护和进攻性扩张的社区形成。两种策略相结合，在一个层次的方式，递归地提取网络的核心，并确定晶须社区。该算法进行了评估的两类基准网络种植分区和近25个现实世界的网络，从网络与几十个节点的网络与几千万的边缘。它被证明是目前国家的最先进的社区检测算法和优于所有以前的标签传播算法，具有可比的时间复杂度。特别地，对真实世界网络的分析已经证明，该算法具有几乎线性的复杂度$\mathcal{O}(m^{1.19})$，并且比基本标签传播算法（$m$是网络中的边的数量）具有更好的扩展性。
2011-03-14 cs.SI physics.data-an physics.soc-ph
Communities detection in complex network and multilayer network systems: A flow approach
本文提出基于流准则的社区检测方法，分别针对单层复杂网络和多层网络系统设计流影响参数、流核心及聚合网络流核心等策略，有效解决了传统方法失效的社区发现问题。
2023-09-20 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
NISQ-ready community detection based on separation-node identification
LMU Munich（慕尼黑大学）；Aqarios GmbH（Aqarios有限公司）；University of Bayreuth（拜罗伊特大学）；Delft University of Technology（代尔夫特理工大学）
本文提出一种基于分离节点识别的NISQ就绪量子社区检测方法，通过仅需与节点数相同的量子比特和稀疏QUBO矩阵，显著降低硬件需求，并在实验中验证了其可行性。
2023-06-24 cs.LG cs.SI physics.soc-ph
Smart Flood Resilience: Harnessing Community-Scale Big Data for Predictive Flood Risk Monitoring, Rapid Impact Assessment, and Situational Awareness
智能弹性是数据科学和城市抵御洪水能力领域碰撞过程的有益结果。本研究的目的是提出并展示一个智能洪水弹性框架，该框架利用异构社区规模的大数据和基础设施传感器数据来增强预测性风险监测和态势感知。智能洪水弹性框架侧重于四个核心能力，可以通过使用异构社区规模的大数据和分析技术来增强：（1）预测性洪水风险映射;（2）自动化快速影响评估;（3）预测性基础设施故障预测和监控;（4）智能态势感知能力。我们在德克萨斯州哈里斯县2017年哈维飓风的背景下展示了智能洪水弹性框架的这些核心能力的组成部分。首先，我们展示了洪水传感器的使用，用于预测洪水溢出的渠道网络和淹没的共同定位的道路网络。其次，我们讨论了使用社交媒体和机器学习技术来评估洪水对社区的影响，并感知情感信号来研究社会影响。第三，我们说明了使用高分辨率的交通数据在网络理论模型的洪水传播的道路网络和中断访问的关键设施，如医院的临近预报。第四，我们在空间分析中利用基于位置的数据和信用卡交易数据，主动评估社区的恢复情况和洪水对企业的影响。这些分析表明，智能洪水复原力框架的核心能力在帮助应急管理人员、城市规划人员、政府官员、响应人员和志愿者更好地应对灾难性洪水事件的影响方面具有重要意义。
2021-11-18 physics.soc-ph
Span-core Decomposition for Temporal Networks: Algorithms and Applications
当分析时间网络时，基本任务是识别密集结构（即，表现出大量链接的顶点组），连同它们的时间跨度（即，高密度保持的时间段）。在本文中，我们解决这一任务，通过引入一个概念的时间核心分解，每个核心与两个数量，其核心，这量化了它是如何密集连接，其跨度，这是一个时间间隔：我们称之为这样的核心\emph{span-cores}。对于在离散时域$T$上定义的时间网络，$T$中包括的时间间隔的总数在$|T|$中是二次的，使得跨度核的总数在$|T|$中也可能是二次的。我们的第一个主要贡献是一个算法，利用跨核心之间的包容性，有效地计算所有的跨核心。然后，我们集中于仅找到\emph{maximal span-cores}的问题，即，跨芯，不受任何其他跨芯的支配，无论是其核心性质还是其跨度。我们设计了一个非常有效的算法，利用理论研究结果的最大性条件，直接提取最大的，而不计算所有的跨度核心。最后，作为第三个贡献，我们介绍了问题的\emph{temporal community search}，其中一组查询顶点作为输入，目标是找到一组密集连接的子图包含的查询顶点和覆盖整个底层时域$T$。我们得到这个问题和问题之间的连接找到（最大）跨度核心。基于这种连接，我们展示了如何通过动态规划在多项式时间内解决临时社区搜索，以及如何利用最大跨度核心来显著加快基本算法。
2020-07-31 cs.DS cs.SI physics.soc-ph
Entropy Dynamics of Community Alignment in the Italian Parliament Time-Dependent Network
复杂机构的典型特征是中尺度结构，这是多个代理人成功协调的基础。在这里，我们介绍了一个框架来研究的时间动态的节点社区关系的概念的基础上，社区对齐，从模块化矩阵，定义了一个节点的对齐相对于其社区的核心的措施。该框架被应用到意大利议会第16届立法机构，研究议员（议员）和他们的政党之间的投票行为的动态关系。作为一个新的贡献，我们引入了两个基于熵的措施，捕捉政治上有趣的动态：组对齐熵（在一个单一的快照），和节点对齐熵（在多个快照）。我们表明，显着的中尺度变化的时间依赖性的网络结构，可以检测到这两种措施的组合。我们观察到一个稳定的增长后，在执政的大多数主要内部冲突和不同的分布节点对齐熵后，政府过渡组对齐熵。
2014-11-04 cs.SI math.DS physics.soc-ph
Detecting dense communities in large social and information networks with the Core & Peel algorithm
社会网络和信息网络中稠密子图（紧社区）的检测和刻画是社会网络分析中的一个重要探索工具。已经提出了几种方法，或者（i）将整个网络划分为集群，即使在低密度区域，或者（ii）旨在找到单个分布式社区（并且需要迭代以找到下一个）。随着社交网络变得越来越大，方法（i）和（ii）导致算法太慢而不实用，特别是当需要分析数据的速度时。在本文中，我们提出了一种方法，旨在平衡效率的计算和表达能力和输出社区表示。我们定义了图的部分稠密覆盖（PDC）的概念。图的PDC是一组节点的集合，（a）每个集合形成一个不相交的稠密导出子图，（b）它的去除留下没有稠密区域的剩余图。PDC的精确计算是一个NP完全问题，因此，我们提出了一个有效的启发式算法来计算一个PDC，我们命名为核心和剥离。此外，我们提出了一种新的基准测试技术，使我们能够评估算法计算PDC使用经典的IR概念的精度和召回，即使没有一个黄金标准。在斯坦福大学大型网络数据集的25个社交和技术网络上进行的测试证实，Core和Peel是有效的，并且达到了非常高的精确度和召回率。
2012-10-11 cs.DS cs.SI physics.soc-ph
Reduced network extremal ensemble learning (RenEEL) scheme for community detection in complex networks
University of Houston（休斯顿大学）；Texas Center for Superconductivity, University of Houston（休斯顿大学德克萨斯超导中心）
本文提出了一种用于复杂网络社区检测的集成学习算法。该方案使用了一种机器学习算法范式，我们称之为极值包围学习。它使用迭代极值更新的合奏网络分区，这可以通过一个传统的基础算法，找到一个节点分区，最大限度地提高模块化。在每次迭代中，识别每个系综分区中相同社区中的核心节点组，并用于形成简化网络。然后找到简化网络的分区并用于更新系综。缩小网络的较小尺寸使得该方案有效。我们使用该计划来分析社区结构在一组常用的研究基准网络，发现它优于所有其他已知的方法找到最大模块化的分区。
2019-09-23 cond-mat.stat-mech cs.LG cs.SI
Uncover the nature of overlapping community in cities
Technical University of Munich（慕尼黑工业大学）；University of Minnesota（明尼苏达大学）
本研究提出基于图的物理感知深度学习框架，通过美国双子城都会区手机数据，量化城市社区重叠结构及其与收入、种族的关联，首次阐明城市社区重叠本质，为城市结构研究提供新视角。
2024-01-31 cs.LG 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
The interplay of network structure and correlated infectious traits in epidemic models
University of Virginia（弗吉尼亚大学）；Vermont Complex Systems Institute, University of Vermont（佛蒙特大学复杂系统研究所）
研究网络结构与个体传染性特征的相互作用，通过SIR模型分析群体结构和度异质性的影响，推导基本再生数并验证社会干预的有效性。
2026-05-12 physics.soc-ph q-bio.PE
Interplay between COVID-19 vaccines and social measures for ending the SARS-CoV-2 pandemic
COVID-19疫苗的开发和授权为消除社区传播提供了最清晰的途径，从而结束了持续的SARS-CoV-2大流行。然而，疫苗接种的有限速度引发了一个问题，即我们必须在多大程度上继续坚持戴口罩和保持社交距离等社会干预措施？为了解决这个问题，我们开发了一个新冠肺炎传播的数学模型，其中包括疫苗动力学和社会流行病学参数。我们使用该模型研究了疾病控制和根除的两个重要指标，有效生殖数$R_t$和重症监护病房（ICU）病例量峰值，以及三个关键参数：社会措施依从性，疫苗接种率和疫苗接种覆盖率。我们的研究结果表明，由于疫苗接种速度缓慢，社会措施必须由大部分人口维持，直到有足够比例的人口接种疫苗，以消除大流行病。相比之下，随着社会措施的减少，医院重症监护室的病例将大大超过容量，导致可避免的生命损失增加。这些发现强调了疫苗接种和社会保护措施之间的复杂相互作用，并表明在疫苗规模扩大以允许发展可持续地结束或控制SARS-CoV-2所需的群体免疫力的同时继续采取一定程度的社会措施的实际重要性。
2021-03-06 physics.soc-ph q-bio.PE
Interplay between function and structure in complex networks
我们发现，突然的结构转变可能会出现在功能最优的网络，由运输拥堵程度的微小变化。我们的研究结果提供了一个解释，为什么这么多不同种类的网络结构出现在自然界（如真菌系统）在基本相同的环境条件下。我们的研究结果是基于一个完全可解的模型系统，它模拟了各种生物和社交网络。然后，我们通过引入一种新的重正化方案，涉及成本图案，扩展我们的分析，分析描述的平均最短路径多环和枢纽网络。因此，我们发现了一个“趋肤效应”，即内部多环核心的结构可以停止发挥任何作用，在确定平均最短路径的网络。
2006-04-21 physics.bio-ph physics.soc-ph
