The D-Mercator method for the multidimensional hyperbolic embedding of real networks
本文提出D-Mercator方法，将真实网络嵌入多维双曲空间，以识别连通性因素并探究维度相关的普适性问题。
2023-11-14 physics.soc-ph
Exploring the landscape of community-based dismantling strategies
网络拆解是网络科学的一个相关研究领域，从理论和操作的角度都引起了人们的关注。在这里，我们提出了一个通用的拆除框架，优先删除连接不同网络社区的节点。我们检测到的策略不是唯一的，因为它们取决于所考虑的社区检测算法的具体实现。然而，当将该方法应用于一些现实世界的网络时，我们发现发生拆除的渗透阈值是强鲁棒的，并且它不依赖于特定的算法。因此，随机性固有地存在于许多社区检测算法中，允许识别具有可比有效性但需要移除不同节点子集的若干策略。这一功能在操作环境中是高度相关的，其中节点的删除是昂贵的，并允许确定最便宜的战略，仍然保持高效率。
2022-09-28 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
The hyperbolic geometry of financial networks
基于2014年、2016年欧洲银行业压力测试和2018年透明度测试的数据，我们首次证明了金融网络的潜在几何结构可以很好地用负曲率几何结构来表示，即，双曲几何这使我们能够将网络结构与Pappdopoulos等人的流行性与相似性模型联系起来，它是基于双曲几何的庞加莱圆盘模型。我们发现，在这个模型中的潜在维度的“流行性”和“相似性”是密切相关的系统的重要性和地理细分的银行系统。在2014年至2018年的纵向分析中，我们发现单个银行的系统重要性保持相当稳定，而外围社区结构表现出更多（但仍然适度）的变化。
2020-05-04 physics.soc-ph q-fin.GN
Community detection in hypergraphs through hyperedge percolation
本文提出两种超边渗流社区检测方法，并证明直接基于超边与基于成对投影的团渗流结果不同，且限制最大超边规模的方法更适合弱连接场景，在合成和真实超图上验证了有效性。
2025-06-17 physics.soc-ph
A nonuniform popularity-similarity optimization (nPSO) model to efficiently generate realistic complex networks with communities
复杂网络拓扑结构背后隐藏的度量空间是当前网络科学的一个热门话题，而双曲空间是研究最多的度量空间之一，因为它似乎与许多实际复杂系统的结构组织有关。粒子群优化模型模拟了随机几何图在双曲空间中的生长，再现了强聚类和无标度分布，但它没有再现真实复杂网络的一个重要特征，即社区组织。最近开发的几何偏好附着（GPA）模型赋予PSO也是一个社区结构，这是通过迫使不同的角度区域的双曲盘有可变的吸引力水平。然而，GPA无法明确控制社区的数量和规模，这对实际应用来说是一个明显的限制。在这里，我们介绍了非均匀粒子群（nPSO）模型，不同于GPA，强制异构角节点的吸引力，通过采样的角度坐标从一个定制的非均匀概率分布，例如混合高斯。nPSO在其他三个方面与GPA不同：它允许显式地固定社区的数量和大小;它允许通过网络温度来调整它们的混合属性;它可以有效地生成具有高聚类的网络。经过几次测试，我们提出了nPSO作为一个有效的和高效的模型来生成网络的社区在双曲空间，它可以作为一个现实的基准不同的任务，如社区检测和链接预测。
2017-07-23 cond-mat.dis-nn cs.SI physics.soc-ph
Identifying Community Structures in Dynamic Networks
大多数现实世界的社交网络本质上是动态的，由成员不断变化的社区组成。为了跟踪这些不断发展的社区，我们需要动态的社区发现技术。本文评估了一组博弈论方法在动态网络中识别社区的性能。我们的方法，D-GT（动态博弈论社区发现），模型的每个网络节点作为一个理性的代理定期发挥社区成员的游戏与邻居。在游戏过程中，节点通过加入或离开网络邻居的社区来寻求最大化其本地效用。社区结构在博弈达到纳什均衡后出现。与基准社区发现方法相比，D-GT更准确地预测社区的数量，并发现具有更高的归一化互信息的社区分配，同时保持良好的模块化。
2016-09-12 cs.SI physics.soc-ph
Sustaining the Internet with Hyperbolic Mapping
互联网基础设施受到严重压力。与因特网的主要功能-在世界上任意两台计算机之间路由信息包-相关的快速增长的开销引起了因特网专家的关注，即现有的因特网路由体系结构可能无法再维持十年。在这里，我们提出了一种方法来映射互联网到一个双曲空间。引导构建的地图，我们发布本文，互联网路由表现出的缩放性能接近理论上最好的，从而解决了严重的缩放限制，互联网今天面临的。除了这种直接的实际可行性，我们的网络映射方法可以提供一个不同的角度在复杂网络的社区结构。
2010-09-10 cond-mat.dis-nn cond-mat.stat-mech cs.NI
Linking Through Time: Memory-Enhanced Community Discovery in Temporal Networks
IMT School for Advanced Studies（意大利高等研究院）；Lorentz Institute for Theoretical Physics（洛伦兹理论物理研究所）；INdAM-GNAMPA Istituto Nazionale di Alta Matematica（意大利高等数学国家研究所）
本文提出一种基于新型模块度函数的记忆增强社区发现方法，通过降低检测阈值提升社区质量，并在实世界数据中验证其有效性与鲁棒性。
2024-02-15 physics.soc-ph
Uncovering the hidden core-periphery structure in hyperbolic networks
Shiv Nadar Institution of Eminence Deemed to be University（希夫·纳达尔卓越学院（ deemed to be 大学））
本文系统研究了PSO和S1/H2双曲网络模型中的核心-边缘结构，采用基于随机游走马尔可夫链的方法进行量化分析，并通过统计检验验证其显著性，为提升交通与信息系统网络性能提供新见解。
2024-06-28 cs.AI physics.soc-ph
Topological implications of negative curvature for biological and social networks
反映复杂大规模网络最显著特性的网络度量在网络研究界有很高的需求。在本文中，我们适应的组合措施的负曲率（也称为双曲性）参数化有限网络，并表明，各种生物和社交网络是双曲的。这种双曲性质对这些网络的高阶连通性和其他拓扑性质有很强的影响。具体来说，我们推导并证明了双曲网络中最短或近似最短路径之间距离的界。我们描述了两个影响，这些边界的生物网络中的串扰，并存在的生物和社交网络中的中央，有影响力的社区。
2014-03-05 cs.DM cs.SI physics.soc-ph
Network reconstruction and community detection from dynamics
我们提出了一个可扩展的非参数贝叶斯方法，从观察到的功能行为，在同一时间推断网络中存在的社区进行网络重建。我们表明，联合重建与社区检测具有协同效应，用于通知社区存在的边缘相关性也固有地用于提高重建的准确性，从而可以更好地通知社区的发现。我们说明了使用我们的方法与观察所产生的流行病模型和伊辛模型，无论是在合成和经验网络，以及只包含功能信息的数据。
2019-09-20 cs.SI physics.data-an physics.soc-ph
Local multiresolution order in community detection
社区检测算法试图在任意复杂网络中找到最佳的节点簇。多尺度（“多分辨率”）社区检测扩展了这个问题，以确定这些集群的最佳网络规模。后一项任务通常通过同时分析网络中所有集群的社区稳定性来完成。在目前的工作中，我们扩展了这种一般的方法来定义本地多分辨率方法，使定义良好的本地社区的提取，即使在平均意义上的全球社区结构定义模糊。为此，我们提出了类似于变化的信息和归一化的互信息，用于定量识别的最佳分辨率（S）在社区层面上的集群在独立解决的系统之间的相关性的基础上的措施。我们证明了我们的方法在两个构建的网络，以及一个真正的网络，并得出推论当地社区的力量。我们的方法是独立的应用社区检测算法保存的固有要求，该方法能够识别社区在不同的网络规模，适当的变化，以考虑如何不同的分辨率进行评估或定义在一个特定的社区检测方法。原则上，它应该很容易适应其他社区比较措施。
2014-11-19 cond-mat.stat-mech cs.SI physics.soc-ph
Stable and Efficient Structures for the Content Production and Consumption in Information Communities
现实世界的信息社区表现出固有的结构，其特征是一个系统，是稳定和有效的内容生产和消费。在本文中，我们研究这种结构，通过数学建模和分析。我们制定了一个通用的社区模型，其中每个成员决定他们如何分配他们的时间之间的内容生产和消费的目标，最大限度地提高他们的个人奖励。我们将社区系统定义为“稳定和有效的”，即当社区的社会福利最大化时达到纳什均衡。我们调查的条件下，形成一个稳定的和有效的社区的两种变化的模型代表不同的内部关系结构的社区。我们的分析结果表明，“名人生产者的小核心”的结构是最佳的稳定和有效的社区。这些分析结果为“少数人法则”等社会学观察提供了可能的解释，也为如何有效地建立和维护信息社区结构提供了启示。
2018-01-15 cs.SI physics.soc-ph
Link-Prediction Enhanced Consensus Clustering for Complex Networks
许多从数据中推断或收集的真实网络由于缺少边而不完整。缺失的边可能是数据集固有的（Facebook好友链接永远不会完整），也可能是采样的结果（人们可能只能访问一部分数据）。结果是，消耗网络的下游分析通常会产生比边完整时更不准确的结果。特别是社区发现算法，经常会在关键的社区内边缘丢失时受到影响。我们提出了一种新的共识聚类算法，以提高不完全网络上的社区发现。我们的框架利用现有的社区发现算法，我们的链接预测为基础的算法处理网络。然后，该框架将其多个输出合并为最终的共识输出。平均而言，我们的方法在人工数据上将现有算法的性能提高了7%，在从Facebook收集的自我网络上提高了17%。
2015-06-04 cs.SI physics.soc-ph
Variational Community Partition with Novel Network Structure Centrality Prior
提出了一种基于网络固有结构信息的两阶段网络社区划分优化方法。引入的优化方法利用新的网络中心性度量的链接和顶点来构建关键的亲和力描述给定的网络，其中图节点或节点特征之间的直接相似性是不可用的，以获得经典的亲和力矩阵。事实上，这种计算的网络中心性信息呈现了网络的基本结构，因此，用于检测网络社区的适当措施，这也引入了用于参考新标记的基准节点的“置信度”标准。对于由此产生的具有挑战性的图聚类组合优化问题，所提出的优化方法迭代地采用一种基于原始和对偶的新变分视角开发的高效凸优化算法。在人工和真实网络数据集上的实验表明，所提出的社区发现优化策略显著提高了结果的准确性，在准确性和可靠性方面优于现有算法。
2018-11-12 cs.SI physics.soc-ph
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
Local-ring network automata and the impact of hyperbolic geometry in complex network link-prediction
拓扑链路预测可以利用整个网络拓扑（全局方法）或仅利用链路的邻域（局部方法）进行预测。全球方法被认为是最好的。这种普遍的信念有充分的根据吗？随机区组模型（SBM）是一种全局性的方法，被认为是最好的链接预测器之一，因此它被认为是比较的参考。但是，我们的研究结果表明，SBM，其计算时间是高的，不能在一般情况下克服Cannistraci-Hebb（CH）网络自动机模型，这是一个简单的局部学习规则的拓扑自组织证明是目前最好的本地为基础的和无参数的确定性规则的链接预测。为了解释这一意外结果的原因，我们正式引入了局部环网络自动机模型的概念，以及它们与复杂网络理论中公共邻居定义的性质之间的关系。经过广泛的测试，我们推荐结构摄动方法（SPM）作为新的最佳全局方法基线。然而，即使SPM整体上也没有超过CH，在几个评估框架中，我们发现情况正好相反。特别是，CH是由流行度相似性优化（PSO）模型生成的合成网络的最佳预测器，其在具有社区结构的PSO网络中的性能甚至优于使用原始的节点间双曲距离作为链接预测器。有趣的是，当在非双曲合成网络上进行测试时，CH的性能显着下降，表明这种网络自组织规则可能与复杂网络中双曲几何的兴起密切相关。全局方法的优越性似乎是一种“误导性的信念”，这是由以前研究中用作基准的少数小网络的潜在几何偏差引起的。本文提出建立复杂网络中链接预测的隐几何理论。
2018-08-29 cs.SI physics.soc-ph
Predicting Long-term Dynamics of Complex Networks via Identifying Skeleton in Hyperbolic Space
针对复杂网络长期动态预测受限的问题，提出DiskNet，利用双曲空间重正化群结构识别网络骨架，并结合图神经常微分方程与超分辨率模块，在长期预测精度上平均超越基线10.18%。
2024-08-19 cs.SI physics.soc-ph
Versatility of nodal affiliation to communities
网络社区结构的图论分析试图识别每个节点所属的社区（或模块）。然而，在大多数情况下，这是一个不适定的问题，因为一个节点到一个社区的从属关系往往是模糊的。以前的解决方案试图识别每个节点所属的所有社区。我们没有采用这种方法，而是引入了多功能性$V$作为节点隶属关系的新指标：$V \sim 0$意味着节点被一致地分配给特定社区; $V \gg 0$意味着它被不一致地分配给不同的社区。多功能性与现有的社区检测算法结合使用，它满足了理想化网络中许多理论上理想的属性，这些理想化网络旨在最大限度地提高模块分解的模糊性。全局平均通用性的局部最小值确定了分层社区检测算法的分辨率参数，该算法最不含糊地分解了社交（空手道俱乐部）网络和小鼠大脑连接体的社区结构。我们的研究结果表明，节点的多功能性是有用的量化模块化分解的固有的模糊性。
2017-01-03 cs.SI physics.soc-ph q-bio.QM
Local topological moves determine global diffusion properties of hyperbolic higher-order networks
从社会互动到人类大脑，高阶网络是描述许多复杂系统的底层网络几何和拓扑结构的关键。虽然众所周知，网络结构强烈影响其功能，但网络拓扑和几何形状对高阶网络新兴动力学性质的作用尚待澄清。从这个角度来看，谱维数起着关键作用，因为它决定了网络上扩散过程的有效维数。尽管它的相关性，理论上的理解，哪些机制导致有限的光谱尺寸，以及如何可以控制，目前仍然是一个挑战，是激烈的研究对象。本文介绍了两种双曲高阶网络的非平衡模型，并通过研究小世界行为、$δ$ -双曲性和社团结构的交织现象，刻画了它们的网络拓扑和几何结构.我们发现，不同的拓扑移动确定的非平衡增长的高阶双曲网络模型诱导可调值的光谱维数，表现出丰富的现象，这是不显示在随机图形合奏。特别是，我们观察到，如果用于构建高阶网络的拓扑移动增加面积$/$体积比，则光谱维度不断减小，而如果拓扑移动减少面积$/$体积比，则观察到相反的效果。我们的工作揭示了网络的几何结构和扩散特性之间的新联系，有助于更好地理解网络结构和动力学之间复杂的相互作用。
2021-02-25 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Gremban Expansion for Signed Networks: Algebraic and Combinatorial Foundations for Community-Faction Detection
本文通过Gremban扩张将符号图提升为无符号图，建立了尊重对称的割集与符号图正则割集和挫败集的双射对应，提出基于谱聚类的社区-派系检测新方法。
2025-09-17 cs.DM math.CO physics.soc-ph
Systematic comparison of graph embedding methods in practical tasks
网络嵌入技术旨在表示几何空间中图的结构特性。这些表示被认为是有用的下游任务，如链接预测和聚类。然而，市场上可用的图嵌入方法的数量很大，从业者面临着为给定应用选择适当方法的重要选择。目前的工作试图通过系统地比较11种不同的图嵌入方法来缩小这一知识差距。我们考虑在双曲和欧几里得度量空间中嵌入网络的方法，以及基于非度量社区的嵌入方法。我们应用这些方法嵌入了100多个真实世界和合成网络。三个常见的下游任务-映射精度，贪婪路由，和链接预测-被认为是评估各种嵌入方法的质量。我们的研究结果表明，一些欧几里得嵌入方法优于贪婪路由。对于链接预测，基于社区和双曲线嵌入方法的整体性能优于基于欧氏空间的方法。我们比较了不同方法的运行时间，并进一步分析了不同网络特性（如度分布、模块性和聚类系数）对不同嵌入方法质量的影响。我们发布我们的评估框架，为任意嵌入方法提供标准化的基准。
2021-06-18 cs.SI physics.soc-ph
Angular separability of data clusters or network communities in geometrical space and its relevance to hyperbolic embedding
Technische Universität Dresden（德累斯顿工业大学）；Tsinghua University（清华大学）
分析以高维为特征的“大数据”，如词向量和复杂网络，通常需要通过嵌入在几何空间中表示。机器学习和网络几何学的最新发展已经指出双曲空间是表示由真实复杂物理系统导出的数据的有用框架。在双曲空间中，节点的径向坐标表征它们的层次，而它们之间的角距离表示它们的相似性。一些研究强调了嵌入双曲空间的节点的角坐标与可用的社区元数据之间的关系。然而，这种分析往往局限于视觉或定性评估。在这里，我们引入了角分离指数（ASI），以定量评估节点网络社区或数据集群在几何空间的角坐标上的分离。ASI在双曲空间中特别有用-在本研究中对其进行了广泛的测试-但通常可用于任何角分离的评估，无论采用何种几何形状。ASI提出了一个精确的检验统计量的基础上均匀随机零模型，以评估统计意义的分离。我们表明，ASI允许发现网络几何中的两个重要现象。首先，在二维双曲线网络生成模型中，温度的增加不仅减少了网络聚类，而且还导致网络的“维度跳跃”到高于2的维度。第二，ASI可以成功地应用于检测隐藏的几何空间中生长的网络结构的内在维数。
2019-06-28 cs.LG cs.SI physics.soc-ph
Estimating Mixed Memberships with Sharp Eigenvector Deviations
我们考虑的问题，估计社区成员的节点在网络中，每个节点都与一个向量，确定其在每个社区的成员程度。现有的可证明一致的算法往往需要强有力的假设人口，计算昂贵，只提供了一个整体的错误界为整个社区成员矩阵。本文提供了统一的收敛速度的推断社区成员向量的每个节点在网络中产生的混合成员随机块模型（MMSB），据我们所知，这是第一次工作，建立每个节点的重叠社区检测率网络。我们通过建立MMSB的行特征向量偏差界限来实现这一点。基于人口矩阵的特征分解中固有的单纯形结构，我们建立在优化社区的角点发现算法来推断社区成员向量。我们的研究结果保持在一个广泛的参数制度，平均度只增长poly-dimensionally与节点的数量。使用模拟和真实数据集的实验表明，我们的方法比竞争方法具有更低的可变性，并且在数十秒内处理多达100，000个节点的真实网络。
2019-11-24 cs.SI math.ST physics.soc-ph
Community structure detection and evaluation during the pre- and post-ictal hippocampal depth recordings
在各种情况下检测和评估大脑区域是计算神经科学中最有趣的课题之一。然而，大多数关于检测大脑功能连接网络社区的研究都是在从相干性属性而不是相关性获得的网络上进行的。这种研究的缺乏，部分原因是由于这样一个事实，即许多常见的聚类图的方法需要网络的节点是“积极”链接在一起，这是一个属性，保证了一致性矩阵，根据定义。然而，相关矩阵揭示了更多关于每对节点如何链接在一起的信息。在这项研究中，我们第一次同时检查四个本质上不同的网络聚类方法（光谱，启发式和优化方法）应用于麻醉大鼠海马CA 1区的功能连接网络在发作前和发作后状态。网络得到的相关矩阵，其结果进行了比较，通过应用相同的方法获得的一致性矩阵。相关性矩阵显示了一个更精细的社区结构相比，一致性矩阵。此外，我们研究了潜在的平滑效果，选择各种窗口大小计算的相关性/一致性矩阵。
2018-05-31 cs.SI physics.soc-ph q-bio.NC
