Survey-Based Calibration of the One-Community and Two-Community Social Network Models Used for Testing Singapore's Resilience to Pandemic Lockdown
本研究通过调查2,057名新加坡居民校准动态社交网络模型，模拟疫情封锁下的社会恢复，发现新加坡可在1-2个月内恢复，为量化社会韧性提供方法。
2025-03-26 cs.SI physics.soc-ph
Community-Size Biases in Statistical Inference of Communities in Temporal Networks
Southern Methodist University（南方卫理公会大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Santa Fe Institute（圣塔菲研究所）
本文提出了一种新的统计模型，用于减少时间网络中社区大小偏差，以更准确地识别社区结构。
2026-01-22 cs.SI physics.soc-ph stat.ME
Statistical test for detecting community structure in real-valued edge-weighted graphs
提出了一种新的方法来检验无向实值边赋权图的社团结构的存在性。该方法是基于实对称矩阵特征值的广义过程的Wigner半圆律。我们为这种方法提供了理论基础，并报告了其在合成和真实数据中的性能，表明我们的方法优于其他最先进的方法。
2016-10-13 cs.SI math.ST physics.soc-ph
Social significance of community structure: Statistical view
社区结构分析是研究社交网络的有力工具，它可以大大简化网络的拓扑和功能分析。然而，由于社团发现方法具有随机性，而从复杂系统中得到的真实社交网络往往含有错误边，因此评价社团结构划分的意义是一个迫切而重要的问题。本文结合现实社会的具体特点，提出了一个专门分析社会共同体意义的新框架。社会互动的动力学建模识别社会领袖和相应的层次结构。我们不是直接与随机模型的平均结果进行比较，而是通过公共邻居的数量来计算给定节点与领导者的相似性。为了确定社区成员向量，提出了一种基于节点位置及其领导者的社区发现算法。然后，使用对数似然得分，社区的紧密度可以得到。基于群落紧密度的分布，建立了$p$ -值理论与网络分析的新联系，并得到了一种新的统计形式的显著性测度。最后，该框架被应用到基准网络和真实的社交网络。实验结果表明，本文的工作可用于确定最优社区数目、分析给定社区的社会意义、比较各种算法的性能等领域。
2015-05-08 cs.SI physics.soc-ph
CommunityLM: Probing Partisan Worldviews from Language Models
MIT Center for Constructive Communication（麻省理工学院建设性沟通中心）；MIT Media Lab（麻省理工学院媒体实验室）
随着美国政治态度在意识形态上的分歧，政治言论在语言上也出现了分歧。美国各政党之间日益扩大的两极分化，由于相互了解的侵蚀而加速。我们的目标是使这些社区更容易相互理解的框架，探讨社区特定的反应，相同的调查问题，使用社区语言模型CommunityLM。在我们的框架中，我们为Twitter上的每个社区确定了忠诚的党派成员，并对他们撰写的推文进行了微调。然后，我们评估了这两个群体的世界观，使用基于网络的探测其相应的LM，提示，引发公众人物和团体的意见，由美国国家选举研究（ANES）2020年探索性测试调查。我们比较了由LMs生成的响应ANES调查结果，并找到一个对齐的水平，大大超过了几个基线方法。我们的工作旨在表明，我们可以使用社区LM来查询任何群体的世界观，只要他们的社交媒体讨论或媒体饮食样本足够大。
2022-09-15 cs.AI cs.CL cs.SI
A Systematic Survey on Multi-relational Community Detection
复杂网络包含相似或不同实体之间的各种交互。这些类型的网络被称为多关系网络，其中每一层都对应于一种特殊类型的交互。多关系网络是一种特殊类型的多层网络，其中节点是相似的实体;然而，边缘或通信展示了相似实体之间不同类型的交互。本文主要研究多关系网络的社区发现方法。所考虑的模型分为两大类，即直接方法和间接方法。我们把间接方法分为两类：扁平化和集成，直接方法进一步分为四组：概率方法，代数方法，基于模块的方法，基于图特征的方法。对于每一种方法和每一种方法，我们解释了他们的优点和缺点。此外，所有使用的数据集在多层社区发现研究分为合成和真实的数据。我们详细介绍了最重要的数据集。然后，介绍了论文所采用的评价指标。最后，讨论了现有模型的挑战和不足。最后，对未来的研究提出了一些建议。综上所述，据我们所知，本研究是致力于多关系网络社区发现的最全面的调查。
2021-04-01 cs.SI
Machine Learning Informed by Micro and Mesoscopic Statistical Physics Methods for Community Detection
本研究提出一种低复杂度框架，结合机器学习与统计物理方法，将微观节点对相似性嵌入介观社区结构，实验表明其在模块化、NMI和ARI指标上优于传统方法，突出两者协同作用以提升社区检测性能。
2025-04-18 cs.SI nlin.AO physics.soc-ph
Overlapping Community Discovery Methods: A Survey
重叠社区的检测是一个具有挑战性的问题，近年来越来越受到关注，因为在现实世界的网络中观察到的个人的自然态度，同时参与多个组。本审查报告介绍了该领域的主要建议。除了为静态网络设计的方法之外，还描述了一些新的方法，这些方法处理随着时间变化的网络中重叠社区的检测。方法根据指导它们在共享其节点的一部分的组中获得网络划分的基本原则进行分类。对于其中的每一个，我们还报告，当可用时，计算复杂性和网站地址，从那里可以下载实现该方法的软件。
2014-11-14 cs.SI physics.soc-ph
Creative Community Demystified: A Statistical Overview of Behance
在线社区正在改变艺术家和设计师等创意专业人士分享想法、接收反馈和寻找灵感的方式。虽然它们越来越受欢迎，但迄今为止很少有研究。在本文中，我们调查了Behance，一个在线社区网站，用于创意人员与他人保持关系，并展示他们来自平面设计，插图，摄影和时尚等各个领域的作品。我们采取定量的方法来研究三个关于网站的研究问题。是什么吸引了Behance的粉丝和艺术品的欣赏？围绕主题存在什么样的活动模式？最后，颜色在吸引欣赏方面发挥作用吗？总之，男性意味着更多的追随者和赞赏，大多数用户专注于少数几个主题，灰度颜色意味着更少的赞赏。这项工作作为一个创意社区的初步概述，以后的研究可以建立在。
2017-03-02 cs.SI
Clustering and Community Detection in Directed Networks: A Survey
网络（或图）作为主导结构出现在不同的领域，包括社会学、生物学、神经科学和计算机科学。在上述大多数情况下，图是有向的-在边缘上存在方向性的意义上，使得边缘的语义不对称。真实网络呈现的一个有趣的特征是聚类或社区结构属性，在该属性下，图拓扑被组织成通常称为社区或集群的模块。这里的本质是同一社区的节点高度相似，而相反，社区之间的节点相似性较低。揭示有向复杂网络的底层社区结构已成为一个重要的跨学科课题，具有大量的应用。因此，自然地，在挖掘有向图的领域中最近有大量的研究成果-聚类是社区发现和评估的主要方法和工具。本文的目标是提供一个深入的审查的方法，迄今提出的聚类有向网络以及相关的必要的方法背景和相关的应用。调查首先提供了一个简明的基本概念和方法论基础上，图聚类算法利用。然后，我们提出了相关的工作沿着两个正交分类。第一个主要是关注的聚类算法的方法论原则，而第二个方法的观点，关于一个好的集群在有向网络的属性。此外，我们提出的方法和度量图聚类结果的评估，展示有趣的应用领域，并提供有前途的未来研究方向。
2013-08-05 cs.IR cs.SI physics.bio-ph
Community detection in node-attributed social networks: a survey
National Center for Cognitive Technologies, ITMO University（ITMO大学国家认知技术中心）
社区发现是社会网络分析中的一个基本问题，包括无监督地将具有某些社会联系（社会图中的边）的社会参与者（社会图中的节点）划分为紧密编织且高度相关的组，其中每个组与其他组很好地分离。传统的社区发现方法通常只处理网络结构，而忽略了节点的特征（称为节点属性），尽管许多现实世界的社交网络提供了额外的参与者信息，如兴趣。人们认为，这些属性可以澄清和丰富有关行为者的知识，并使社区有意义。这种信念促使了社区发现方法的发展，这些方法使用网络的结构和属性（即处理节点属性图）来产生更多信息和定性结果。在过去的十年中，出现了许多基于不同思想的方法。尽管对它们有部分概述，但最近的调查是必要的，因为方法数量的增加可能会导致方法上的重复和实践中的不确定性。在本文中，我们的目的是描述和澄清在节点属性的社交网络社区发现领域的总体情况。也就是说，我们进行了详尽的搜索已知的方法，并提出了一个分类的基础上，何时以及如何结构和属性融合。我们不仅给出了每个类的描述，还提供了类中每个方法背后的一般技术思想。此外，我们还关注哪些方法优于其他方法，以及哪些数据集和质量指标用于评估。根据收集到的信息，我们对该领域的现状做出了结论，并揭示了未来需要解决的几个重要问题。
2020-06-15 cs.LG cs.PF cs.SI
Convex Relaxation Methods for Community Detection
本文综述了社区发现的凸优化方法的最新理论进展。我们介绍了一些重要的理论技术和结果，为建立各种统计模型下的凸社区检测的一致性。特别是，我们讨论了基于原始和对偶分析的基本技术。我们还提出的结果表明，凸社区检测的几个独特的优势，包括对离群节点的鲁棒性，一致性弱的不确定性，和自适应异构度。本调查并不打算对关于这一快速增长的主题的大量文献进行全面概述。相反，我们的目标是提供一个在这一领域的显着的最新发展的大图片，并使调查访问到广泛的受众。我们希望这篇简要的文章可以作为一个介绍性的指导读者谁有兴趣在使用，设计和分析凸松弛法在网络分析。
2018-09-30 cs.SI math.ST stat.ML
Statistical inference of assortative community structures
我们开发了一个原则性的方法来推断网络中的非参数贝叶斯公式的种植分区模型的基础上的共同体。我们表明，这种方法成功地找到统计上显着的网络中的替代模块，不同的替代方案，如模块化最大化，系统过拟合在人工以及经验的例子。此外，我们表明，我们的方法是不受分辨率限制，并可以发现任意数量的社区，只要有统计证据。我们的配方是服从模型选择程序，这使我们能够比较它更一般的方法的基础上的随机块模型，并以这种方式揭示了非线性是否实际上是占主导地位的大规模混合模式。我们进行这种比较与几个经验的网络，并确定了许多情况下，网络的非线性被夸大了传统的社区检测方法，我们展示了如何更忠实的非线性程度可以确定。
2020-06-29 cond-mat.dis-nn cs.SI physics.soc-ph
LLM-Based Community Surveys for Operational Decision Making in Interconnected Utility Infrastructures
本文提出用异质功能图建模基础设施依赖关系，并利用大语言模型生成多样化社区人物角色以收集修复优先级偏好，再通过学习算法将偏序细化为全序，从而提升灾害恢复决策的韧性。
2025-07-17 cs.SI
A Statistical Modelling Approach to Detecting Community in Networks
最近有相当大的兴趣在算法中寻找社区网络-组的顶点内的连接是密集的（频繁），但之间的连接是稀疏的（罕见）。大多数当前文献提倡一种去除边缘的启发式方法（即，使用精心设计的函数移除不太重要的链接）。在这篇文章中，我们将研究一种使用新的建模方法来发现潜在社区的技术，该方法基于信息如何在网络中传播。它将被证明是易于使用，强大和可扩展的。它使与网络/社区结构有关的补充信息（不同的来文、连续的观察）更容易整合。我们将通过提供一些示例性的真实应用程序来展示我们方法的效率，例如著名的Zachary空手道俱乐部或亚马逊政治书籍购买者网络。
2014-02-05 cs.SI stat.AP
Complex Networks, Communities and Clustering: A survey
本文是对复杂网络社区和聚类文献的广泛调查。复杂网络描述了自然界和社会中广泛存在的各种系统，特别是由大量高度互联的动态实体组成的系统。像真实网络一样，复杂网络也可以有社区结构。复杂网络中社团的发现和识别有多种方法和算法。一些复杂网络具有聚类性或网络传递性。复杂网络领域的一些重要概念是小世界和规模鲁棒性，度分布，聚类，网络相关性，随机图模型，网络增长模型，网络动力学过程等。当前复杂网络社区的一些研究领域是社区演化，重叠社区，有向网络社区，社区表征和解释，为通过聚类进行网络社区发现而提出的许多算法或方法是基于最小割的算法、基于分层连通性的算法、原始GirvanNewman算法、模块化最大化的概念、利用来自信息和编码理论的度量的算法以及基于团的算法的修改版本或从这些概念中得到启发。
2015-03-21 cs.SI
Network Community Detection: A Review and Visual Survey
群落结构是一个重要的研究领域。它受到了科学界的极大关注。尽管它的重要性，在定位有关社区发现的信息的关键问题之一是跨各种学科的相关文章的多样化传播。据我们所知，目前还没有对最近的文献进行全面的综述，这些文献使用复杂网络分析进行科学计量分析，涵盖了Web of Science（WoS）的所有相关文章。在这里，我们提出了一个视觉调查的关键文献使用CiteSpace。这个想法是确定新兴的趋势，除了使用网络技术来检查域的演变。为此，我们确定最有影响力的，中央，以及使用科学计量分析活跃的节点。我们检查了作者，关键文章，引用参考文献，核心学科类别，关键期刊，机构以及国家。对该领域科学计量学文献的研究表明，雍王是一个中心度最高的枢纽节点。此外，我们还观察到，马克·纽曼是该网络中被引用次数最多的作者。我们还发现，《现代物理学评论》期刊的引用量最大。在引用文献方面，Andrea Lancichinetti的一篇文章具有最高的中心性得分。我们还发现，这一领域的主要出版物都来自美国。而苏格兰有最强和最长的引用突发。此外，我们还发现，“计算机科学“和“工程”的类别分别领先于其他类别的频率和中心性。
2017-08-03 cs.CC cs.DL cs.DM
Comparative analysis on the selection of number of clusters in community detection
我们对社区发现中聚类数的各种估计进行了比较分析。详尽的比较需要测试框架、算法和评估标准的所有可能组合。在本文中，我们专注于基于随机块模型的框架，并调查的性能贪心算法，统计推断，谱方法。对于评估标准，我们考虑模块化，地图方程，贝特自由能，预测误差，和孤立的特征值。从分析中，评估标准和算法具有的过拟合和欠拟合趋势变得明显。此外，我们建议，冲积图是一个合适的工具来可视化统计推断结果，可以是有用的，以确定集群的数量。
2018-03-07 cs.SI physics.soc-ph
Walk modularity and community structure in networks
在过去的十年中，模块化最大化一直是发现生物学、计算、社会科学、统计力学等领域中具有实际意义的网络社区结构的最广泛使用的方法之一。模块性是一个质量函数，它测量聚类中发现的边缘数量减去基于随机机会统计期望找到的边缘数量之间的差异。我们提出了一个自然的泛化模块化的基础上的差异，实际和预期的数量之间的步行集群，我们称之为步行模块化。步行模块化可以用矩阵形式表示，社区检测可以通过寻找步行模块化矩阵的前导特征向量来执行。我们在合成网络和真实网络上演示了社区检测，发现与传统的模块化最大化相比，步行模块化最大化返回了显着改善的结果。
2014-01-27 cs.SI physics.data-an physics.soc-ph
Computing the statistical significance of optimized communities in networks
在网络数据中发现社区，用于无监督学习，特征发现，异常检测或科学研究通常是令人感兴趣的。绝大多数社区检测方法通过优化质量函数来进行，即使在没有社区的随机网络上也是可能的。因此，通常没有一种简单的方法来判断社区是否“重要”，在这种情况下，这意味着比在没有社区的随机图模型下预期的内部连接更多。本文将现有的空模型推广到二分图，并引入了一种新的重要性评分算法，称为快速优化社区重要性（FOCS），该算法具有高度可扩展性和不可知性。此外，与单部图上的现有方法相比，FOCS在数值上更稳定，并且更好地平衡了检测能力和误报之间的权衡。
2018-11-17 cs.SI physics.soc-ph stat.ME
A Survey on Expert Recommendation in Community Question Answering
社区问答（CQA）代表了一种Web应用程序，人们可以通过提问和回答问题来交换知识。大多数现实世界的CQA系统面临的一个重大挑战是问题和潜在的好回答者之间缺乏有效的匹配，这对有效的知识获取和流通产生了不利影响。一方面，请求者可能会遇到许多低质量的答案，而不会在短时间内收到高质量的响应，另一方面，回答者可能会面临许多新的问题，而无法快速识别他们感兴趣的问题。在这种情况下，专家推荐成为解决上述问题的一种有前途的技术。专家推荐方法不是被动地等待用户浏览并找到他们感兴趣的问题，而是主动和及时地将用户的注意力提高到适当的问题。在过去几年中，从不同的角度对专家推荐问题进行了大量的努力。这些方法都有自己的问题，需要解决之前，专家推荐的优势可以完全接受。本文首先综述了CQA中专家推荐的研究成果和最新技术。接下来，我们总结和比较现有的方法，他们的优点和缺点，讨论了开放的问题和未来的研究方向。
2018-07-15 cs.IR cs.SI
A framework to generate hypergraphs with community structure
针对超图领域结构化合成数据生成方法匮乏的问题，提出一种灵活高效的超图生成框架，支持指定社区结构与调整局部统计量，可用于算法评估与真实类超图生成，推动了高阶系统统计建模的发展。
2023-06-22 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
Validation of community robustness
大量的工作在社区发现及其应用留下了一个重要的问题：统计验证的结果。在本文中，我们提出了一种方法，能够清楚地检测，如果社区结构发现的一些算法是统计上显着的，或者是一个机会的结果，仅仅是由于网络中的边缘位置。给定一个社区发现方法和一个感兴趣的网络，我们的建议检查恢复对原始图结构的随机扰动的分区的稳定性。为了解决这个问题，我们指定了一个扰动策略和一个空模型建立一套程序的基础上的一个特殊措施的聚类距离，即变化的信息，使用工具设置为功能数据分析。该过程确定所获得的聚类是否显著偏离空模型。这有力地支持了用于识别社区结构的算法对扰动的鲁棒性。我们展示了在模拟和真实数据集上使用所提出的技术获得的结果。
2016-10-17 cs.DS cs.SI physics.soc-ph
Literature Survey on Finding Influential Communities in Large Scale Networks
社区或模块结构被认为是大规模现实世界图（如社交或信息网络）的重要属性。在这些图中检测有影响力的集群或社区是一个相当感兴趣的问题，因为它通常占系统的功能。我们的目的是提供一个全面的阐述，包括问题的主要元素，现有的研究的简要介绍，分离和重叠的社区搜索，有影响力的社区的想法，其含义和目前的艺术状态，最后提供一些见解，为未来的研究可能的方向。
2019-02-05 cs.SI
A generalized hypothesis test for community structure in networks
针对网络是否存在统计意义上的社区结构这一问题，研究人员基于通用的模型无关社区结构参数构建统计假设检验，提出两种检验框架并证明其理论性质，可用于分析真实网络数据。
2023-11-22 cs.SI stat.ME
Thermodynamics of the Minimum Description Length on Community Detection
现代统计建模是对传统物理学方法的重要补充，传统物理学方法通过极其简单的理想化模型来研究复杂系统。最小描述长度（MDL）是一种将奥卡姆剃刀与信息论相结合的统计建模方法，用于选择提供最简洁描述的模型。在这项工作中，我们介绍了Boltzmannian MDL（BMDL），MDL的原理与参数的复杂性方便地制定为人工热力学系统的自由能的形式化。通过这种方式，我们充分利用统计力学丰富的理论和技术背景，从信息论的角度来看，相变和其他热力学概念对统计建模问题的至关重要性。例如，我们提供了信息理论的理由，为什么高温级数展开可以用来计算系统的近似的BMDL时，形式主义是用来建模数据，为什么统计上显着的模型选择可以确定有序的阶段时，BMDL是用来建模模型。为了测试所介绍的形式主义，我们计算BMDL的近似社区检测在复杂网络中的问题，在那里我们得到了一个原则性的MDL推导的Girvan-Newman（GN）模块和张-摩尔（ZM）社区检测方法。在这里，通过对合成网络和经验网络的分析估计和数值实验，我们发现基于BMDL的GN模块化校正项提高了检测到的社区的质量，我们还发现了一个信息论的理由，为什么ZM标准估计网络社区的数量比其他方法，如裸露的自由能最小化。
2018-06-19 cond-mat.dis-nn cs.SI physics.data-an
Robust Detection of Dynamic Community Structure in Networks
我们描述了一些类的时间依赖网络的社区结构的鲁棒检测技术。具体来说，我们考虑使用统计零模型来促进半可分解系统中结构模块的原则性识别。在优化质量功能，如模块化，并在随后的评估所确定的社区结构的统计有效性，可持续发展模型发挥了重要作用。我们研究了这种方法对模型参数的敏感性，并展示了与零模型的比较如何有助于确定系统规模。通过考虑大量的优化，我们量化了网络诊断的方差超过优化（“优化方差”）和网络结构的随机化（“随机化方差”）。由于模块化质量函数通常具有大量的使用真实数据构建的网络的近退化局部最优，我们开发了一种方法来构建代表性的分区，使用空模型来校正分区集合中的统计噪声。为了说明我们的结果，我们采用了从非线性振荡器和经验神经科学数据中提取的时间依赖网络的集合。
2013-04-12 cond-mat.dis-nn cs.SI physics.bio-ph
Community Detection in Hypergraphs, Spiked Tensor Models, and Sum-of-Squares
研究了随机块模型下超图的社区发现问题。类似于图中的随机块模型如何建议研究尖峰随机矩阵，我们的模型激励调查在一定的尖峰张量模型中精确恢复的统计和计算限制。与矩阵的情况下，尖峰模型自然产生的社区发现超图是不同的，在所谓的张量主成分分析模型。我们调查的有效性，在这些模型的平方和层次的算法。有趣的是，我们的研究结果表明，这两个表面上相似的模型表现出显着不同的计算统计差距。
2018-07-03 cs.DS cs.SI math.ST
Triggered: A Statistical Analysis of Environmental Influences on Extremist Groups
本文通过分析极端主义论坛与主流社区的数据，揭示了极端主义团体对现实事件和新闻报道的反应差异，以及语言扩散和行为动态的变化。
2026-02-10 cs.CL 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
Community Detection through Likelihood Optimization: In Search of a Sound Model
社区发现是网络分析中最重要的问题之一。在为这项任务提出的许多算法中，基于统计推断的方法特别令人感兴趣：它们在数学上是合理的，并且被证明可以提供高质量的分区。统计推断方法是基于拟合一些随机图模型（a.k.a.零模型）通过最大化似然性来对所观察的网络进行估计。这一模式的选择极为重要，也是当前研究的主要焦点。我们提供了一个广泛的理论和实证分析比较几种模型：广泛使用的种植分区模型，最近提出的度校正修改这个模型，和一个新的空模型具有一些理想的统计特性。我们还开发和比较两个可能性优化算法适合所考虑的模型。对各种数据集的广泛的实证分析表明，特别是，新模型是最好的一个描述大多数考虑现实世界的复杂网络，根据观察到的图结构的可能性。
2019-02-22 cs.SI math.ST stat.TH
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
Scalable Community Extraction of Text Networks for Automated Grouping in Medical Databases
网络在当今世界无处不在。社区结构是许多经验网络的一个众所周知的特征，并且已经开发了许多用于社区发现的统计方法。在本文中，我们考虑的问题，社区结构的文本网络，这是非常相关的医疗错误和病人安全数据库。我们采用一个著名的社区提取方法，开发一个可扩展的算法，在大型文本数据库中的社区提取。我们的方法在真实世界的患者安全报告数据库上的应用表明，从社区提取生成的组比一线工作人员的手动标记要准确得多。
2021-11-28 cs.SI
Estimating the Number of HIV+ Latino MSM Using RDS, SS-PSE, and the Census
本文提出了一种方法来估计的总体规模的隐藏人口使用的结果，从受访者驱动抽样（RDS）调查。我们使用来自拉丁裔MSM社区参与调查（LMSM-CI）的数据，这是一个RDS数据集，包含有关芝加哥和旧金山拉丁裔MSM社区的信息。一个新的模型，在LMSM-CI调查中收集的数据作为一个桥梁，从其他来源的数据使用。特别是，美国社区调查同性户主数据以及加州大学洛杉矶分校威廉姆斯研究所关于LGBT人口的数据与LMSM-CI数据集的当前生活状况数据相结合。从这些来源获得的结果被用作连续抽样人口规模估计（SS-PSE）的先验分布-一种用于创建人口规模概率分布的方法。我们的模型的优势在于它不依赖于RDS调查期间对社区规模的估计，这在其他情况下很容易不准确并且没有用。它允许使用明确、有用的数据（如生活状况）来估计人口规模。
2021-04-23 cs.SI
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
Minimax Rates in Network Analysis: Graphon Estimation, Community Detection and Hypothesis Testing
本文综述了网络分析的基本极限和优化算法的一些最新进展。我们专注于最小最大最优率在网络分析的三个基本问题：图子估计，社区检测，和假设检验。对于每一个问题，我们回顾国家的最先进的结果，在文献中遵循的一般原则，导致最小最大估计和测试的最佳程序。这使我们能够从一般的角度将网络分析中的问题与其他统计推断问题联系起来。
2019-02-14 cs.SI math.ST stat.ML
A multilevel network approach to revealing patterns of online political selective exposure
University of Zurich（苏黎世大学）；University of Barcelona（巴塞罗那大学）
本文提出多级网络方法揭示在线政治选择性暴露的复杂结构，发现其不同于简单的左右二元对立。
2025-11-24 cs.SI
Achieving Optimal Misclassification Proportion in Stochastic Block Model
社区发现是网络数据分析中的一个基本统计问题。已经提出了许多算法来解决这个问题。这些算法中的大多数不能保证实现问题的统计最优性，而实现一般参数空间的信息理论极限的程序在计算上是不可处理的。本文针对弱正则条件下的随机块模型，提出了一种计算上可行的两阶段方法，该方法在误分类率方面具有最优的统计性能.我们的两个阶段的过程包括一个通用的细化步骤，可以采取广泛的弱一致的社区检测程序作为初始化，细化阶段适用于并输出一个社区分配实现最佳的误分类比例与高概率。数值结果表明了新算法的有效性。
2015-10-03 cs.SI math.ST stat.ME
