Multi-team Formation System for Collaborative Crowdsourcing
The University of Electro-Communications(电气通信大学)
本文针对复杂协作众包的多团队组建需求,提出基于社交网络信息的启发式优化算法,通过仿真实验验证该算法性能优于爬山法,并明确了关键参数对效果的影响规律。
2025-11-14 cs.SI
Capacitated Team Formation Problem on Social Networks
在团队组建问题中,需要找到一组能够满足协作任务要求的用户。这种协作任务的例子比比皆是,从软件产品开发到知识创造中的各种参与式感知任务。由于任务的性质,团队成员往往需要在合作的基础上工作。先前的研究表明,合作在社会关系存在的情况下变得有效。因此,有效的团队选择要求团队成员在社会上是亲密的,以及团队成员之间的任务分工,以便没有用户因分配而过载。在这项工作中,我们将研究如何在社交网络上形成这样的团队。由于我们的团队形成问题被证明是NP难的,我们设计了有效的近似算法,找到近最优的团队可证明的保证。由于来自在线社交网络(例如Twitter,Facebook等)的传统数据集通常不包含大规模协作的实例,因此我们在四年的时间内从GitHub(一个流行的开源社交编码网络)中抓取了数百万个软件存储库和数十万名开发人员。我们在这个数据集上进行了大规模的实验,以评估我们的算法的准确性和效率。实验结果表明,我们的算法实现了显着的改善,在寻找有效的团队相比,天真的战略和规模以及数据的大小。最后,我们通过与GitHub中现有的软件团队进行比较来验证我们的技术。
2012-05-16 cs.SI physics.soc-ph
Matching or Crashing? Personality-based Team Formation in Crowdsourcing Environments
“与非个性的群体团队形成相比,在合作的众包环境中,根据员工的个性将他们安排在一起是否会带来更好的绩效?“在这项工作中,我们研究了个性兼容性对众包团队工作效率的影响。使用基于个性的群体动力学方法,我们研究了两种主要类型的任务(合作和竞争)上的两种主要类型的个性组合(匹配和碰撞)。我们的实验结果表明,个性兼容性显着影响团队的最终结果的质量,互动的质量和团队成员所经历的情绪。本研究是第一个研究众包环境中个性对团队结果的影响,它对更好地设计众包团队工作具有实际意义。
2015-01-26 cs.CY cs.HC cs.SI
Complex Network Analysis in Cricket : Community structure, player's role and performance index
运用网络分析方法研究运动队成员之间的互动,并以国际板球比赛中击球手之间的互动为例进行分析。我们为不同的球队生成了击球伙伴关系网络(BPN),并确定了网络的聚类系数、平均度、平均最短路径长度的精确值,并与Erd \text{ö} s-R \text{é} nyi模型进行了比较。我们观察到,网络表现出小世界行为,本质上是离散的。我们发现,最有联系的击球手不一定是最中心的,最中心的球员不一定是一个高击球率。我们研究的BPN的社区结构,并确定每个球员的角色的基础上,社区间和社区内的联系。我们观察到,{ \it DG Bradman爵士},被认为是板球历史上最好的击球手,并没有占据网络$-$的中心位置,所谓的连接器枢纽。我们扩展我们的分析,量化的性能,相对重要性和影响,从团队中删除一个球员,根据不同的中心性分数。
2013-05-25 cs.SI physics.data-an physics.soc-ph
Towards Realistic Team Formation in Social Networks based on Densest Subgraphs
给定一个任务$\mathcal{T}$,一组具有多种技能的专家$V$和一个反映专家之间兼容性的社交网络$G(V, W)$,团队形成是识别一个团队$C \subseteq V$的问题,该团队既能胜任执行任务$\mathcal{T}$,又能兼容地一起工作。现有的方法对这个问题的限制性假设,因此不能模拟实际情况。本文的目标是考虑在现实环境中的团队形成问题,并提出了一种新的配方的基础上denumbersubgraphs。我们的公式允许对许多自然需求进行建模,例如(i)包括指定的团队领导和/或一组给定的专家,(ii)限制团队的规模或更一般的成本,(iii)强制执行团队的本地化,例如,在地理意义上或社会意义上,等等。所提出的配方导致了一个推广版本的经典的基数约束的denominationsubgraph问题(DSP),这是一个NP难的问题,并有许多应用在社会网络分析。本文提出了一种新的近似求解广义DSP(GDSP)的方法。我们的方法,FORTE,是基于解决GDSP的等效连续松弛。通过我们的方法找到的解决方案有质量保证,并始终满足GDSP的约束。实验表明,所提出的配方(GDSP)是有用的建模更广泛的团队形成的问题,我们的方法产生更连贯和紧凑的高品质的团队。我们还表明,LP松弛的GDSP的帮助下,我们的方法给GDSP接近最优的解决方案。
2015-05-25 cs.DS cs.SI
Effect of Key Match Events on Football Passmaps
足球运动员的团队可以被设想为具有运动员节点和加权传球边的有向网络。这样一个简单的表示,否则复杂的结构产生了几个好处,但也允许应用完善的网络分析方法,以获得洞察到匹配流。这项工作的作者提出了这些应用,包括中心性措施,社区发现方法,和诱导子图的分析,分析某些比赛事件对球队的潜在影响。除了报告他们的发现,他们还强调了他们的工作对网络分析社区的9000多个新颖的足球网络表示的贡献。
2021-08-11 cs.SI
A QUBO Framework for Team Formation
Boston University(波士顿大学);Satalia
本文提出统一的TeamFormation表述,用QUBO建模三种成本变体,证明其效果不逊于基线,并利用图神经网络实现跨实例的迁移学习。
2025-10-24 cs.DM cs.LG cs.SI
Distributed team formation in multi-agent systems: stability and approximation
我们考虑一个场景,领导者需要招募追随者团队。每个领导者不能招募所有的追随者,但互动是根据一个二分网络的约束。每个领导者的目标是达到一种局部稳定的状态,在这种状态下,领导者控制着一个规模等于给定约束的团队。我们专注于分布式策略,代理只有本地信息的网络拓扑结构,并提出了一个分布式算法,领导者和追随者根据简单的本地规则行事。该算法的性能进行了分析相对于一个稳定的解决方案的收敛性。我们的结果如下。对于任何网络,所提出的算法收敛到一个近似的稳定的解决方案在多项式时间,即领导者迅速形成团队,其中所需的额外的追随者的总数,以满足所有团队规模的限制是一个任意小的部分,整个人口。相反,对于一般的图,在收敛到近似解和稳定解之间可能存在指数时间差。
2012-12-09 cs.MA cs.SI
Community Formation and Detection on GitHub Collaboration Networks
研究OSS协作网络中的社区形成问题。虽然目前大多数工作都在研究小规模OSS项目的出现,但我们的方法借鉴了180万GitHub用户及其存储库贡献的大规模历史数据集。开放源码软件协作的特点是,小规模的用户群体密切合作,从而在基础网络结构中形成由短周期界定的社区。为了理解这种现象的影响,我们应用了一个预处理步骤,该步骤通过使用Renewal-Nonbacktracking Random Walks(RNBRW)和成对协作的强度来解释循环网络结构,然后再实施Louvain方法来识别网络中的社区。装备鲁汶RNBRW和贡献强度提供了一个更自信的方法来检测小规模的团队,并揭示了社区发现的重要差异,如用户倾向于优先连接到更成熟的协作社区。使用这种方法,我们还确定了影响社区形成的关键因素,包括用户位置和主要程序设计语言的影响,这是使用贡献活动的比较方法确定的。总的来说,本文提供了几个有前途的方法论的见解,开源软件专家和网络学者有兴趣研究团队的形成。
2021-09-23 cs.CY cs.SI
Large-scale study of social network structure and team performance in a multiplayer online game
理论和实践中的一个问题是,团队成员之间的熟悉程度(以社会网络结构表示)是否以及如何与团队在特定任务中的成功相关。在本文中,我们重新审视这个重要的问题,在一个新的方式,采用游戏结果统计数据从Dota 2,一个流行的团队为基础的多人在线游戏,结合网络数据从蒸汽社区,一个社交网络服务的游戏玩家。我们对4168个团队进行了大规模的分析,以研究网络密度以及团队内社交网络的最小和最大程度与团队绩效之间的关系,并确定这种关联如何受到团队技能的调节。我们观察到,最低程度与良好的表现密切相关,特别是在技能较低的团队中。再加上我们在本文中证实的网络密度的先前结果,我们的研究结果表明,一个成功的团队不仅是适度连接的整体,但其成员也应该单独有不太少也不太多的团队内连接。
2017-10-31 cs.CY cs.SI
Diverse Group Formation Based on Multiple Demographic Features
小组形成的目标是建立一个团队来完成一项特定的任务。算法被用来提高这样形成的团队的有效性和组选择过程的效率。然而,人们担心,由于算法本身或训练数据的原因,团队形成算法可能会对少数群体产生偏见。因此,必须建立公平的团队组建系统,将人口统计信息纳入团队建设过程。虽然已经有大量的工作,为专家推荐和/或团队形成的个人专业知识建模,有相对较少的人口统计建模和人口统计纳入组形成过程中的工作。提出了一种基于多维人口统计特征的专家人口统计特征表示方法。此外,我们引入了两种多样性排名算法,通过考虑人口统计特征以及最低所需技能来形成一个组。与考虑一个布尔人口统计特征的许多排名算法(例如,性别或种族),我们的多样性排名算法同时考虑多个多值人口统计属性。我们评估我们提出的算法使用一个真正的数据集的基础上的成员的计算机科学程序委员会。结果表明,我们的算法形成了一个程序委员会,更多样化的实用程序的损失是可以接受的。
2020-12-03 cs.IR cs.SI
Principles of scientific research team formation and evolution
研究团队是科学的基本社会单位,但目前还没有一个模型来描述他们的基本属性:规模。近几十年来,在大多数领域,团队都有了显著的增长。我们发现,这部分是由于团队规模分布的性质的变化。我们用一个全面而直接的模型来解释这些变化,这个模型描述了不同规模的团队是如何出现和成长的。该模型准确地再现了经验团队规模分布在50年期间的演变。模型揭示了知识生产的两种模式。第一种也是更基本的模式是雇用相对较小的核心团队。核心团队是通过泊松过程形成的,并产生团队规模的泊松分布,其中较大的团队非常罕见。第二种模式采用扩展团队,开始时作为核心团队,但随后积累了与其成员过去的生产力成比例的新成员。随着时间的推移,这种模式会导致大型团队(10-1000名成员)的幂律尾部,这在今天的许多领域都很常见。基于这个模型,我们构建了一个分析功能的形式,允许直接从数据确定不同模式的作者的贡献,并适用于任何领域。该模型还为研究科学的其他社会方面提供了坚实的基础,例如生产力和协作。
2014-03-12 astro-ph.IM cs.DL cs.SI
Team Formation amidst Conflicts
Boston University(波士顿大学)
本文研究兼顾任务偏好与成员冲突的团队组建问题,基于依赖舍入设计高效近似算法,并在教育、人力资源及合成数据上验证其优于基线、人工分配且可扩展。
2024-02-29 cs.AI cs.GT cs.SI
Together we stand, Together we fall, Together we win: Dynamic Team Formation in Massive Open Online Courses
Vellore Institute of Technology(韦洛尔理工学院)
大规模开放式在线课程(MOOC)为电子学习提供了一个新的可扩展模式,为学生提供全球曝光和与世界各地数百万人联系和互动的机会。很多时候,学生作为团队工作,以有效地完成课程相关的任务。然而,由于缺乏面对面的互动,MOOC学生很难进行合作。此外,教师还面临着手动将学生组织成团队的挑战,因为学生大量涌向这些MOOC。因此,拟议的研究旨在开发一个强大的方法,在MOOC动态团队形成,其理论框架是基于组织团队理论,社会网络分析和机器学习的汇合。这样做的一个先决条件是,我们理解这样一个事实,即学生之间建立的每一个非正式联系都提供了影响和被影响的机会。因此,我们的目标是从MOOC中学生的内在联系中提取价值。这些联系对学生在网络学习社区中相互理解的方式产生了根本性的影响。我们的方法将使课程教师能够自动将学生分组到与同龄人具有相当平衡的社会联系的团队中,并根据适当选择的定性和定量网络指标进行定义。
2014-04-22 cs.CY cs.LG cs.MA
Preferential placement for community structure formation
近年来,人们提出了各种模型来反映和预测复杂网络的不同性质。然而,社区结构,这是最重要的属性之一,没有得到很好的研究和建模。在本文中,我们提出了一个原则,称为“优先放置”,它允许模拟一个现实的集群结构。我们对所获得的结构进行了广泛的实证分析以及一些理论结果。
2019-02-03 cs.SI physics.soc-ph
Friends with Costs and Benefits: Community Formation with Myopic, Boundedly-Rational Actors
本文提出一个可解释的社群形成模型,由有限理性个体在属性与网络结构上的策略行为驱动,证明其收敛至稳定网络,并在微型金融社群数据上取得优于基线的拟合效果。
2023-12-21 cs.GT cs.SI
Algorithms for Fair Team Formation in Online Labour Marketplaces
Sapienza University of Rome(罗马第一大学)
由于通信费用的急剧下降和基于互联网的劳动力市场的普及(例如,guru.com、feelancer.com、mturk.com、upwork.com),许多研究人员和从业人员已开始探索外包和众包的好处。由于雇主经常使用这些平台来寻找一组工人来完成特定任务,因此研究人员将精力集中在团队组建和匹配算法的研究以及有效激励方案的设计上。然而,就在最近,一些人对用于执行这些选择和匹配程序的算法可能引入的不公平偏见表示担忧。出于这个原因,研究人员已经开始研究与这些在线市场相关的算法的公平性,寻找克服经常出现的算法偏见的智能方法。从广义上讲,其目的是保证,例如,通过使用机器学习和算法数据分析工具雇用工人的过程不会因国籍或性别而产生歧视,即使是无意的歧视。在这篇简短的论文中,我们用以下方式定义了公平团队形成问题:假设在线劳动力市场中每个工人拥有一种或多种技能,并且所有工人被分为两个或更多个不重叠的类别,(例如,男性和女性),我们希望设计一种算法,能够找到一个拥有完成给定任务所需的所有技能的团队,所有阶层的人数都一样。我们提供了不可逼近的结果,公平的团队形成的问题,连同四个算法的问题本身。我们还通过使用在线劳动力市场的真实数据进行实验,测试了算法解决方案的有效性。
2020-02-14 cs.CY cs.LG cs.SI
Cliques in complex networks reveal link formation and community evolution
无向无权网络中的丢失链接预测是一个开放的、具有挑战性的问题,近年来得到了广泛的研究。本文研究了社区结构与链接形成之间的关系,提出了一种快速阻塞概率模型(FBM)。在四个真实网络上的实验结果表明,该方法具有很好的丢失链接预测精度,并且与传统方法相比,计算效率有了很大的提高。通过分析链接的形成机制,我们还发现,集团结构起着重要的作用,以帮助我们了解如何在社区中的链接增长。因此,我们总结了三个原则,这三个原则被证明能够很好地解释链接形成和网络演化的机理。
2013-03-06 cs.SI physics.soc-ph
A Unified Community Detection, Visualization and Analysis method
社会图中的社区发现一直以来都是研究者们关注的热点。随着社交网络在互联网上的广泛应用,它已成为一个重要的研究领域。大多数贡献集中在优化所谓的模块化功能的算法的定义。首先,兴趣仅限于单部图输入和分区社区输出。最近,二部图,有向图和重叠社区已被研究。很少有贡献同时包含这三种类型的节点。在本文中,我们提出了一种方法,统一的社区检测的三种类型的节点,并在同一时间合并分割和重叠的社区。此外,结果可视化的方式,他们可以分析和语义解释。为了验证,我们在众所周知的简单基准上实验这种方法。然后在三种情况下将其应用于实际数据。在两个带有标记的人的照片集的例子中,我们揭示了社交网络。第二类应用程序特别令人感兴趣。在将我们的方法应用于由神经科医生团队提供的人脑纤维束成像数据之后,我们根据其他众所周知的聚类方法产生白色纤维簇。此外,我们的方法可视化重叠集群可以更好地理解神经学家团队的结果。这些最后的结果开辟了应用社区发现方法在其他领域,如数据分析与原始增强性能的可能性。
2014-02-25 cs.SI physics.data-an physics.soc-ph
The Impact of Network Flows on Community Formation in Models of Opinion Dynamics
我们研究了耦合代理网络中的意见形成动力学。随着网络发展到稳定状态,同一社区内的代理人的意见比其他代理人的意见收敛得更快。这个框架使我们能够研究网络拓扑结构和网络流,它调解代理之间的意见转移,都影响社区的形成。在传统的意见动力学模型中,代理人通过保守流耦合,这导致一对一的意见传递。然而,社会互动往往是非保守的,导致一对多的意见转移。我们使用一对一和一对多的互动研究网络中的意见形成,并表明它们会导致不同的社区结构在同一个网络。
2014-07-09 cs.CY cs.SI physics.soc-ph
Forming Compatible Teams in Signed Networks
社会网络中的团队组建问题需要一组不仅具有执行任务所需技能,而且能够有效地相互沟通的个人。现有的研究假设社交网络中的所有链接都是积极的,也就是说,它们表明个人之间的友谊或合作。然而,通常情况下,网络是签名的,也就是说,它包含积极和消极的链接,对应于朋友和敌人的关系。基于结构平衡的概念,我们定义了签名网络中用户对之间的兼容性,并给出了计算算法,然后定义了签名网络中的团队形成问题,在这个问题中,我们要求一个兼容的团队,可以用很小的通信成本来执行任务。我们证明了该问题是NP-难的,即使没有通信成本的限制,我们提供了启发式算法来解决它。我们目前的实验结果与实际数据调查的性质不同的兼容性定义,和我们的算法的有效性。
2020-01-22 cs.DB cs.DS cs.SI
Opinion diversity and community formation in adaptive networks
研究网络结构如何与观点共同进化是一件有趣而又重要的事情。这种共同进化的现有模型通常会导致最终状态,其中网络节点要么达成全局共识,要么分裂成独立的社区,每个社区都拥有自己的社区共识。然而,这样的结果很难解释现实生活中的丰富观察,即意见总是多样化的,没有全球甚至社区共识,人们很少,如果不是从来没有,完全切断自己与持不同意见者的联系。在这篇文章中,我们表明,一个简单的模型集成共识形成,链接重新布线和意见改变允许复杂系统动力学出现,驱动系统进入一个动态平衡与共存的多样化的意见。具体而言,类似的意见持有者可能形成社区,但没有严格的社区共识;不同的社区仍然通过非平凡的社区间联系而相互联系,而不是被分离成不相连的社区。更重要的是,我们表明,复杂的动态可能会导致不同数量的社区在稳定状态与不同的意见持有人之间的给定的宽容。我们构建了一个框架,从理论上分析的协同进化过程。理论分析和大量的仿真结果揭示了复杂的协同进化过程,包括动态平衡的形成,不同社区数下不同稳态之间的相变,以及意见分布与网络模块性之间的动态关系等。
2017-05-12 cs.SI physics.soc-ph
Interdependent Network Formation Games
设计最佳的相互依存网络对于国家重要基础设施的稳健性和效率至关重要。在这里,我们建立了一个两个人的博弈模型,其中两个网络设计者选择最大化的全球连接独立。该框架通过使用迭代算法实现分散式网络设计。经过有限步后,该算法将收敛到一个纳什均衡,并产生网络的均衡拓扑。我们通过数值实验证实了我们的结果,并比较了纳什均衡解决方案与他们的团队解决方案对应。博弈法和团队法的实验结果为提高互依网络形成博弈的效率提供了设计指导。此外,所提出的游戏框架可以普遍适用于各种各样的应用,包括电力系统网络和国际航空运输网络。
2016-02-24 cs.GT cs.SI
Opinion formation in a locally interacting community with recommender
我们提出了一个用户的模型交互的基础上的物理动力学交换,并将其扩展到个人放置在一个网格与当地的互动。我们表明,与数值分析和部分分析结果,临界对称性破缺过渡和渗透效应典型的充分的相互作用模型不发生,如果相互作用的范围是有限的,允许共存的多数和少数意见在同一个社区。然后,我们引入了一个同行推荐系统的模型,表明,即使非常本地的迭代和小概率的上诉推荐,它的存在是足以使对称性破缺和渗透再现。这似乎表明,推荐制度的一个效果是统一社区的意见,减少少数意见或使其消失。虽然推荐系统确实统一了社区意见,但它并没有限制它,因为所有的意见都有相同的概率成为主导意见。然而,我们做了一个部分的研究,表明一个“恶作剧”的推荐者可能会偏向一个社区,这样一个意见将以压倒性的概率出现在相反的意见上。
2017-06-13 cs.SI physics.soc-ph
Finding low-tension communities
受在线社交媒体和协作网络中出现的应用程序的启发,社区搜索和团队组建问题已经有了很多工作。在前一类问题中,目标是找到满足一定连通性要求并包含给定种子节点集合的子图。另一方面,在后一类问题中,目标是找到集体拥有任务所需技能的个体,并形成具有某些属性的连通子图。在本文中,我们扩展了社区搜索和团队形成的问题相关联的个人资料。个人资料是一个数字分数,量化了个人在某个主题上的位置。我们采用一个模型,每个人都从一个潜在的个人资料开始,并通过一个动态的构象过程,考虑到个人的社会互动和趋势,以符合一个人的社会环境,达到一个符合的个人资料。在这一框架下,社会紧张关系产生于相邻个体的一致性特征之间的差异,以及个体的一致性特征与潜在性特征之间的差异。给定一个网络的个人,他们的潜在配置文件和这个构象的过程中,我们扩展了社区搜索和团队形成的问题,要求输出子图具有低的社会张力。从技术的角度来看,我们研究这些问题的复杂性,并提出有效解决这些问题的算法。我们在一些社交网络的实验评估揭示了我们的方法的有效性和效率。
2017-01-19 cs.SI physics.soc-ph
Generalizing meanings from partners to populations: Hierarchical inference supports convention formation on networks
Princeton University(普林斯顿大学);Stanford University(斯坦福大学)
语言惯例的一个关键属性是,它们覆盖了整个说话者群体,使我们能够有效地与我们从未见过的人进行交流。与此同时,我们的语言使用在很大程度上是针对特定的伙伴的:我们知道,基于我们共同的历史,不同的人可能会对单词有不同的理解。这对关于惯例形成的叙述提出了挑战。代理人究竟是如何在保持合作伙伴特定知识的同时,实现整个社区期望的推理飞跃的?我们提出了一个分层贝叶斯模型来解释如何扬声器和听众解决这个归纳问题。为了评估我们的模型的预测,我们进行了一项实验,参与者在一个小社区中与不同的合作伙伴玩扩展的自然语言交流游戏。我们研究了几种泛化措施,并找到了区分我们的模型与替代方案的合作伙伴特异性和社区融合的关键签名。这些结果表明,合作伙伴的特异性不仅是兼容的社区范围内的公约的形成,但可能会促进它时,加上一个强大的诱导机制。
2020-05-30 cs.CL cs.SI
Characterizing Community Formation in Response to Extreme Weather Events through Human Mobility Networks
本文研究2021年冬季风暴Uri引发的有序停电背景下德克萨斯州哈里斯县人类移动网络的社区形成,分析其灾害暴露异质性等特征,发现社区空间共存等规律,为电力公司停电管理提供参考。
2025-08-19 cs.CY cs.SI physics.soc-ph
SNA-based reasoning for multiagent team composition
Metropolitan-United Faculty (FMU)(大都会联合学院);Federal University of ABC (UFABC)(ABC联邦大学)
社会网络分析(social network analysis,SNA)是复杂系统的一个分支,可以用来构造多智能体系统。本文提出了一种研究如何社会网络分析可以协助建模多智能体系统,同时解决这两种理论之间的异同。我们建立了一个原型的多智能体系统的任务,通过形成的基础上建立的社会网络的代理人之间形成的代理团队的决议。代理人利用性能指标来评估何时应该改变他们的社会网络,以最大限度地参与团队
2015-06-16 cs.AI cs.MA cs.SI
Analysis of the Social Community Based on the Network Growing Model in Open Source Software Community
开源软件开发者的社会社区具有复杂的网络结构。网络结构代表了软件开发人员社区中项目和工程师之间的关系。一个项目形成了一些团队,这些团队由归类到某个任务组的工程师组成。Source Forge是众所周知的开源网站之一。网络结构中的节点和弧指的是源锻造中的工程师以及工程师之间的联系。在前面的研究中,我们发现项目的成长过程随着加入项目的开发者数量的增加而变强。在成长阶段,我们发现代理数量和产生的项目之间存在一些特征模式。在此基础上,建立了项目成长过程的仿真模型.在本文中,我们引入了利他主义的行为,在军队蚂蚁模型到软件开发人员的仿真模型。通过仿真实验验证了软件开发过程的有效性。
2018-04-09 cs.CY cs.MA cs.SE
Assessing the consistency of community structure in complex networks
近年来,社区结构已成为复杂网络分析的一个重要组成部分。随着更多数据的收集,研究人员已经开始调查多个网络中不断变化的社区结构。有几种方法可以分析不断变化的社区,但大多数方法仅限于单个网络随时间的演变。此外,大多数现有的方法更关心的是在社区一级的变化,而不是在单个节点的水平。在本文中,我们引入了缩放包容性,这是一种量化网络中社区结构变化的方法。标度包容性独立地评估网络中每个节点分类的一致性。此外,该方法可以应用于横截面以及纵向。在本文中,我们计算了一组模拟网络的美国城市和一组真实的网络组成的球队,在美国大学橄榄球的顶级联赛的规模包容性。我们发现,缩放包容性产生合理的结果,在这两组网络中的单个节点的一致性。我们建议,规模包容性可以提供一个有用的方式来量化网络的社区结构的变化。
2011-08-02 cs.SI nlin.AO physics.soc-ph