Community extraction in multilayer networks with heterogeneous community structure
多层网络是捕获和建模固定对象组之间的多重、二元或加权关系的有用方法。虽然社区发现已被证明是一个有用的探索性技术，单层网络的分析，社区发现方法的发展，多层网络仍处于起步阶段。我们提出并研究了一个程序，称为多层提取，确定密集连接的顶点层集在多层网络。多层提取利用基于显著性的分数，该分数通过与固定度随机图模型进行比较来量化观察到的顶点层集合的连通性。多层提取直接处理具有异构层的网络，其中社区结构可能因层而异。该过程可以捕获重叠的社区，以及不属于任何社区的背景顶点层对。我们建立一致性的顶点层集优化我们提出的多层评分多层随机块模型下。我们调查的性能多层提取三个应用程序和模拟测试床。我们的理论和数值评估表明，多层提取是一个有效的探索工具，分析复杂的多层网络。可在https://github.com/jdwilson4/MultilayerExtraction上获得用于多层提取的公开可用R软件。
2017-11-07 cs.SI physics.soc-ph stat.ME
Efficient hypothesis testing for community detection in heterogeneous networks
在网络中识别社区是一个基本的和具有挑战性的问题，在许多科学领域的实际重要性。目前的方法要么忽略了节点度的异质分布，要么假设社区数量的先验知识。在这里，我们提出了一个有效的假设检验社区发现的基础上量化图之间的差异。给定一个随机图，零假设是它是度校正的Erdös-Rényi型。我们比较它们之间的差异，通过一个措施，将顶点距离分布，聚类系数分布，和α-中心分布，这是用于我们的假设检验。我们设计了一个两阶段的二分算法，同时发现社区的数量和相应的结构。在合成网络和真实网络上的实验表明，我们的方法优于最先进的方法。
2021-12-21 cs.SI physics.soc-ph
Spectral Detection of Simplicial Communities via Hodge Laplacians
尽管图是丰富信息的来源，但它仅限于两两相互作用。然而，一些现实世界的网络，如社交网络、神经网络等，涉及两个以上节点之间的交互。单纯形复形提供了一个强大的数学框架来模拟这种高阶相互作用。众所周知，图的拉普拉斯算子的谱表示社区结构，并且谱聚类算法利用这种关系。在这里，我们建议的霍奇拉普拉斯算子，一个高阶拉普拉斯定义的单纯复形，编码单纯社区的频谱。我们制定了一个算法来提取单纯社区（任意维度）。我们将此算法应用于单纯复杂的基准和真正的高阶网络数据，包括社交网络和使用语言或文本处理工具提取的网络。然而，单纯复形的数据集是稀缺的，并且对于可能涉及高阶相互作用的绝大多数数据集，只有成对相互作用的集合可用。因此，我们使用数据的已知属性来推断最可能的高阶交互。换句话说，我们引入了一种推理方法来预测最可能的单纯复杂的网络骨架的社区结构。这种方法确定为最有可能的高阶相互作用诱导单纯社区，最大限度地提高调整后的互信息测量相对于地面真理社区结构。最后，我们考虑了通过对协作网络的边权重进行阈值化（仅对成对交互进行编码）构建的高阶网络，并提供了一个在宽阈值范围内持续存在的持久单纯社区的例子。
2022-01-31 cond-mat.dis-nn cs.SI nlin.AO
Revisiting the Bethe-Hessian: Improved Community Detection in Sparse Heterogeneous Graphs
GIPSA-lab（GIPSA实验室）；UGA（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立高等物理、数学与信息学院）；L2S（信号与系统实验室）；CentraleSupélec（中央理工-高等电力学院）；University of Paris Saclay（巴黎萨克雷大学）
谱聚类是图上社区发现的最流行但尚未完全理解的方法之一。本文研究了基于Bethe-Hessian矩阵$H_r = (r^2-1)I_n + D-rA$的谱聚类算法，该算法适用于稀疏异构图（遵循度校正随机块模型）的两类集.对于一个特定的值$r = ζ$，聚类被证明是不敏感的程度异质性。然后，我们研究的行为的信息特征向量的$H_ζ$，作为一个结果，预测聚类精度。文章最后概述了对两个以上类别的推广，以及对合成和真实网络的广泛模拟，证实了我们的发现。
2019-10-09 cs.LG cs.SI physics.soc-ph
Community characterization of heterogeneous complex systems
我们引入了一种分析统计方法来描述在异质复杂系统中检测到的社区。通过提出一个合适的零假设，我们的方法利用超几何分布来评估一个给定的属性在一个社区的元素中相对于调查集的所有元素被过度表达的概率。我们将我们的方法应用于两个特定的复杂网络，即世界电影网络和物理预印本网络。元素和社区的特征是根据电影网络的语言和国家以及论文的期刊和主题类别来完成的。我们发现，我们的方法是能够清楚地确定社区的特点。此外，我们的方法适用于大型和小型社区。
2010-11-18 cs.SI physics.data-an physics.soc-ph
Optimal curing policy for epidemic spreading over a community network with heterogeneous population
设计一个有效的治疗政策，能够阻止一个流行病的过程在一个负担得起的成本，必须考虑到人口接触网络的结构，支持传染过程。因此，我们解决了在人群中分配恢复资源的问题，以尽可能低的成本防止流行病在网络中无限期地持续下去。具体地说，我们分析了一个易感染的易感流行病过程的加权图上传播，通过一阶平均场近似。首先，我们描述了接触网络的动态的流行病之间的一个非齐性总体，这可能是分为社区的影响。对于社区网络的情况下，我们的调查依赖于公平分区的图论概念，我们表明，流行病的阈值，对流行病传播的网络鲁棒性的一个关键措施，可以确定使用一个低维的动力系统。利用计算的流行病阈值，我们确定了成本最优的治疗策略，通过解决一个凸极小化问题，它具有一个减少的社区网络的情况下的维数。最后，我们考虑了一个两层的最优固化问题，对于这个问题，我们设计了一个在网络规模下具有多项式时间复杂度的算法。
2017-12-01 cs.SI math.OC physics.soc-ph
Multi-scale Community Detection in Temporal Networks Using Spectral Graph Wavelets
谱图小波在网络中引入了尺度的概念，因此用于从每个节点获得网络的局部视图。通过对这些小波构造一个小波滤波函数，已经发展出了一种多尺度的单一网络社团检测方法。这种构造利用了网络拉普拉斯算子的划分特性。在本文中，我们阐述了一种新的方法，使用谱图小波检测多尺度社区的时间网络。为了做到这一点，我们通过采用多层框架扩展谱图小波的定义到时间网络。我们使用参数扰动理论研究超拉普拉斯矩阵的谱特性，用于时间网络的聚类目的。利用这些属性，我们构建了一个新的小波滤波函数，它衰减的影响，无信息的特征值和中心的过滤器周围的特征值，其中包含信息的粗略描述的流行的社区结构随着时间的推移。我们使用谱图小波作为特征向量的连通性约束聚类过程中检测多尺度社区在不同的尺度，并将这种方法称为时间多尺度社区检测（TMSCD）。我们验证的性能TMSCD和竞争的方法在各种基准。TMSCD的优点是自动选择应寻求社区的相关尺度。
2017-08-14 cs.SI physics.soc-ph stat.ME
Quantum walks on complex networks with connection instabilities and community structure
研究了具有社团结构特征的复杂网络上的连续时间量子游走问题。受可行的量子网络的前景的启发，我专注于网络不稳定性的影响，以断开的链接的形式，并检查量子行走对这种故障的响应。结果表明，网络的社团结构决定了量子行走的重构。在这种情况下，量子行走的基础上的邻接矩阵和拉普拉斯矩阵的网络进行了比较，并分析其响应链路故障。
2011-05-19 cond-mat.dis-nn cs.SI physics.data-an
The Fiedler connection to the parametrized modularity optimization for community detection
本文分析了模块度矩阵的广义谱结构，揭示了二次函数极大值与图拉普拉斯矩阵Fiedler空间的关系，并首次为分辨率限制提供了代数解释。
2023-10-22 physics.data-an physics.soc-ph
A Spatial-temporal Graph Deep Learning Model for Urban Flood Nowcasting Leveraging Heterogeneous Community Features
Texas A&M University（德克萨斯A&M大学）
本研究的目的是通过整合基于物理和人类感知的特征，开发和测试一种新的结构化深度学习建模框架，用于城市洪水临近预报。我们提出了一个新的计算建模框架，包括基于注意力的时空图卷积网络（ASTGCN）模型和不同的数据流，这些数据流是实时收集的，预处理的，并输入到模型中，以考虑空间和时间信息以及改善洪水临近预报的依赖关系。计算建模框架的新颖性有三个方面：首先，由于空间和时间图卷积模块，该模型能够考虑淹没传播中的空间和时间依赖性;第二，它能够捕获可以发出洪水状态信号的异质时间数据流的影响，包括基于物理的特征，如降雨强度和水位，以及人类感知的数据，如洪水报告和人类活动的波动。第三，它的注意力机制使模型能够将注意力集中在动态变化的最有影响力的特征上。我们展示了建模框架在德克萨斯州哈里斯县的应用，作为案例研究和飓风哈维作为洪水事件。结果表明，该模型对城市洪水淹没的临近预报具有较好的预测性能，准确率为0.808，召回率为0.891，与其他一些新模型相比，具有更好的预测性能。此外，当将异构动态特征添加到仅依赖于基于物理特征的模型中时，ASTGCN模型的性能得到改善，这表明使用异构人类感知数据进行洪水临近预报的前景，
2021-11-17 cs.LG physics.soc-ph
Community detection and graph partitioning
网络中的社区发现已经提出了许多方法。一些最有前途的方法是基于统计推断的方法，这些方法建立在坚实的数学基础上，并在实践中获得出色的结果。在本文中，我们表明，两个最广泛使用的推理方法可以直接映射到版本的标准最小割图划分问题，这使我们能够应用任何许多很好理解的划分算法解决社区发现问题。我们说明了适应拉普拉斯谱划分方法来执行社区推理的方法，测试所得到的算法的范围内的例子，包括计算机生成的和真实世界的网络。无论是结果的质量和运行时间的竞争对手最好的以前的方法。
2013-05-21 cs.SI physics.data-an physics.soc-ph
How to Measure Significance of Community Structure in Complex Networks
社团结构分析是研究复杂网络的有力工具，它可以大大简化复杂网络的功能分析。近年来，人们提出了许多方法来检测社区结构，但很少有工作集中在社区结构的意义。由于从复杂系统中得到的真实网络中往往存在错误链接，而且大多数社团发现算法中存在随机因素，因此评价社团结构的重要性就显得尤为重要和迫切。在本文中，我们使用特征向量的稳定性来表征社区结构的重要性。通过对一个给定网络的Laplacian矩阵的特征值进行分析，可以评估其社区结构的重要性，从而得到最优社区数目，这是社区发现算法的难点。我们将我们的方法应用于许多真实的网络。我们发现许多社交网络和秀丽隐杆线虫神经网络中存在显著的社区结构，而蛋白质相互作用网络和代谢网络中存在不太显著的社区结构。由于其坚实的数学基础和效率，我们的方法可以应用于广泛的聚类问题的数据挖掘。
2010-02-10 physics.data-an physics.soc-ph
Scalable Spectral Algorithms for Community Detection in Directed Networks
社区发现一直是网络研究中的核心问题之一，而有向网络由于其链路间的不对称性，使得社区发现问题更具挑战性。在本文中，我们发现，将链接的方向揭示了社区的两个不同的角色，源和终端，一个节点在每个社区中扮演的新的观点。有趣的是，这样的社区似乎与邻接矩阵的图拉普拉斯算子的独特谱性质有关，我们利用正则化SVD方法来利用这种联系。我们提出了收获算法，再加上正则化的SVD，是线性可扩展的有效识别社区在巨大的有向网络。该算法在基准网络上的模拟实验表明了良好的性能和可扩展性，并在实际网络应用中成功地恢复了社区。
2013-09-23 cs.SI physics.soc-ph stat.ML
Spiking label propagation for community detection
在本文中，我们提出了一种方法，使用标签传播的社区检测结果在无向的，未加权的图形，它结合了神经计算和尖峰数据的元素。使用由外部电流驱动的尖峰神经元的完全连接的边缘加权系统，我们生成被解码成二进制信号的尖峰响应。使用基于汉明距离的度量来量化信号对之间的相似性，并用于将顶点分类到社区中。我们测试我们的方法上的一组图的实例，每个128个顶点和同质或异构的社区规模分布。我们提出了我们的方法作为一个候选人的分裂计算工作流程，采用神经形态硬件，不需要广泛的网络参数的预训练。
2018-10-22 cond-mat.dis-nn physics.soc-ph
Finding community structure in networks using the eigenvectors of matrices
我们考虑在网络中检测社区或模块的问题，这些社区或模块是具有高于平均密度的连接它们的边的顶点组。以前的工作表明，一个强大的方法来解决这个问题是最大化的利益函数被称为“模块化”的网络可能的部门。在这里，我们表明，这个最大化的过程可以写在一个矩阵的特征谱，我们称之为模块化矩阵，它在社区检测中发挥的作用类似于图拉普拉斯在图分区计算中发挥的作用。这一结果导致我们的一些可能的算法检测社区结构，以及其他几个结果，包括一个频谱测量网络中的二分结构和一个新的中心性措施，确定这些顶点占据中心位置的社区内，他们属于。所提出的算法和措施，说明了各种现实世界的复杂网络的应用程序。
2006-07-23 cond-mat.stat-mech physics.data-an physics.soc-ph
Modularity functions maximization with nonnegative relaxation facilitates community detection in networks
在这里，我们表明，最大化一个家庭的定量功能，包括模块化（Q-措施）和模块密度（D-措施），社区检测的问题可以统一理解为一个组合优化涉及的矩阵称为模块化拉普拉斯算子的轨迹。我们在图聚类问题中引入了非负约束，并设计了有效的算法来优化新的目标，而不是使用传统的谱松弛算法。在明确的非负约束条件下，我们的解决方案非常接近理想的社区指标矩阵，并可以直接分配到社区的节点。解的近正交列可以重新表示为对应节点属于每个社区的后验概率。因此，所提出的方法可以用来识别模糊或重叠的社区，从而有利于理解网络的内在结构。实验结果表明，我们的新算法一致，有时显着，优于传统的谱松弛方法。
2011-08-30 cs.SI physics.soc-ph
Deep Learning-driven Community Resilience Rating based on Intertwined Socio-Technical Systems Features
Texas A&M University（德克萨斯A&M大学）
针对现有社区韧性评估方法难以捕捉异质特征和非线性交互的问题，本文提出集成三层深度学习模型Resili-Net，利用十二个社会-技术系统特征将美国大都市区韧性分为五级，并支持特征分析与韧性提升策略识别。
2025-09-06 cs.AI cs.SI physics.soc-ph
Characterization and comparison of large directed graphs through the spectra of the magnetic Laplacian
在本文中，我们研究了使用磁拉普拉斯算子来表征有向图（a.k.a.）的可能性。网络）。得到了许多有趣的结果，包括发现了一类随机块体模型的谱测量中，群落结构与旋转对称性有关。由于磁拉普拉斯算子的厄米性，我们在这里展示了如何使用核多项式方法（KPM）将我们的方法扩展到包含数十万节点的大型网络。我们还建议将KPM与Wasserstein度量相结合，以测量网络之间的距离，即使这些网络是有向的，大的，有不同的大小，一个很难的问题，不能解决以前的方法在文献中提出的。此外，我们的python包在\href{https://github.com/stdogpkg/emate}{github.com/stdogpkg/emate}上公开提供。这些代码可以在CPU和GPU上运行，并且可以估计谱密度和相关的迹函数，例如熵和Estrada指数，即使在具有数百万节点的有向或无向网络中。
2020-07-07 cs.SI physics.soc-ph
A Laplacian Approach to Stubborn Agents and their Role in Opinion Formation on Influence Networks
在一个简单的社会影响力模型的框架内，泰勒模型，我们分析调查的作用，顽固的代理人在整体观点动力学的网络系统。与狂热者类似，顽固的代理人偏向于某种观点，并对集体观点的形成过程产生重大影响。基于网络拉普拉斯算子的修改版本，我们获得捕获系统的瞬态动力学和新兴的固定意见状态的数量。在一个顽固的代理人的情况下，我们描述他/她的能力，连贯地改变一个普遍的共识。对于两个对抗性的顽固代理，我们调查的意见异质性的新兴的非共识状态，并描述其统计特性，使用一个图度量类似的电阻距离在电网络。将该模型应用于合成和经验网络，我们发现，虽然意见多样性减少了小世界性，并有利于在一个明显的社区结构的情况下，相反的是正确的一致性的意见在共识的变化。
2020-07-03 nlin.AO physics.soc-ph
Agent-based neutral competition in two-community networks
替代状态之间的竞争是社会和生物网络中的一个重要过程。中性竞争可以由无偏随机漂移过程表示，其中顶点的状态（例如，观点、基因型或物种）通过重复选择两个连接的顶点来更新。其中一个顶点复制选定邻居的状态。重复这样的更新，直到所有顶点都处于相同的“一致”状态。选择要更新的顶点对没有唯一的规则。现实世界的过程包括三个限制因素，可以影响所选的边和传播方向：（1）顶点向其邻居发送状态的速率，（2）邻居接收状态的速率，以及（3）状态可以通过连接边交换的速率。我们研究了这三个限制如何影响网络中的中性竞争与两个社区产生的随机块模型。通过蒙特卡罗模拟，我们展示了社区结构和更新规则如何决定状态的成功概率和达成共识的时间。我们提出了一个与蒙特卡罗模拟相一致的非均匀平均场论.非均匀平均场论的有效性意味着即使经验数据（例如，从生态实地考察或社会互动的观察）不允许网络中所有边的完全重建。
2021-07-27 cond-mat.stat-mech physics.soc-ph
Variability of Contact Process in Complex Networks
我们数值研究了不同网络结构对接触过程中传染病动力学的影响。我们首先发现，同质和异质网络之间的变异性差异很小，虽然异质结构可以导致较轻的患病率。与非社区网络相反，强的社区结构会引起流行病的二次爆发，并出现两个变异高峰。特别是在地方社区，疫情发生初期的变异性极大，给传染病传播的预测带来了困难。重要的是，桥接性在可预测性中起着重要作用，这意味着初始种子到桥接性的距离越远，可预测性就越不准确。此外，我们还研究了不同的疾病反应机制对变异性的影响，发现不同的反应机制会导致传染病传播结束时的变异性明显不同。
2012-04-03 cs.SI physics.soc-ph
Structure-Preserving Community In A Multilayer Network: Definition, Detection, And Analysis
多层网络或MLN（也称为多路复用或网络的网络）被广泛用于具有多个实体和特征类型以及它们之间的关系的数据集的建模和分析。由于社区和枢纽的概念用于这些分析，因此在MLN上对它们进行结构保留定义（保留原始MLN结构和节点/边缘标签和类型）及其有效检测至关重要。对于MLN，没有结构保持的社区定义，因为大多数当前分析将MLN聚合到单个图中。虽然对于单一图（和检测包）以及在较小程度上对于同构MLN的社区定义存在共识，但对于异构MLN缺乏共识。本文不仅首次给出了保结构的定义，而且利用解耦方法给出了保结构的有效计算，并讨论了保结构的特征及其分析意义。所提出的解耦方法的效率相结合的社区从各个层，形成一个串行k-社区连接k层的MLN。我们提出了几个权重指标组成层式社区使用的二分图匹配方法的分析语义的基础上。我们提出的方法具有许多优点。它：i）利用现存的单图社区发现算法，ii）基于用于组成k层的广泛使用的最大流二分图匹配，iii）引入针对社区概念定制的若干权重度量，以及iv）从广泛使用的IMDb数据集上的灵活分析角度实验性地验证定义、映射和效率。关键词：异构多层网络;二分图;社区定义和检测;基于解耦的组合
2019-03-06 cs.DB cs.SI physics.soc-ph
Stability of Degree Heterogeneous Ecological Networks
生态稳定〈动〉<动>的一个经典测量方法描述了群落在小扰动后恢复平衡的趋势。虽然许多进展表明这些社区的网络结构如何严重限制这种趋势，但这些进展中很少有解决网络结构最基本的属性之一：具有不同数量链接的节点之间的异质性。在这里，我们系统地探讨这种性质的“程度异质性”，并发现其对稳定性的影响系统地不同类型的种间相互作用。度异质性在具有竞争性和互利性相互作用的生态网络中总是不稳定的，而它对食物网等捕食者-猎物相互作用网络的影响取决于猎物的邻近性，即，物种在群落生态位空间中消耗一系列完整猎物的程度。增加程度的异质性稳定的食物网，除了那些最接近。这些发现有助于解释以前无法解释的观察结果，即食物网高度但不完全连续，更广泛地说，加深了我们对复杂生态网络稳定性的理解，对其他类型的动力系统具有重要意义。
2015-06-05 physics.soc-ph q-bio.PE
Automatic detection of multilevel communities: scalable and resolution-limit-free
社团结构是复杂网络的重要特征之一。基于模块的社区检测方法通常依赖于启发式算法来优化特定的社区质量函数。这种方法受到两个主要缺陷的限制：（1）分辨率限制问题，它禁止同时检测不同大小的社区，以及（2）启发式算法的发散输出，这使得难以区分相关和不相关的结果。本文提出了一种改进的基于可扩展社区适应度函数的社区发现方法。“我们引入了一个新的参数来增强其可扩展性，以及一个严格的策略来过滤输出。由于可扩展性，一方面，我们的方法是免费的分辨率限制的问题，并在大型异构网络上表现出色，而另一方面，它是能够检测更多的社区比以前的方法在深层次的网络。此外，我们的严格策略会自动删除冗余和不相关的结果，而无需任何人工选择。因此，我们的方法只输出稳定和独特的社区，这些社区在很大程度上可以通过关于网络的先验知识来解释，包括合成网络中的植入结构或真实网络的元数据。
2022-09-01 cs.SI physics.soc-ph
Identifying the Community Structure of the International-Trade Multi Network
我们研究了1992-2003年期间世界各国之间特定商品贸易关系的多重网络的社区结构。我们通过归一化互信息指数（NMI）比较了不同商品和时间的结构。我们还比较了它们与由地理距离和区域贸易协定引起的外生社区结构。我们发现，商品特定的社区结构是非常异质性和更分散的特征比总ITN。这表明，ITN的总属性可能是多种商品特定的多层网络的聚合的结果（并且是非常不同的）。我们还表明，具体商品的社区结构，特别是那些与化学部门，正变得越来越类似于总的。最后，我们的研究结果表明，地理距离是更相关的观察到的社区结构比区域贸易协定。这一结果加强了以前的研究结果从贸易的实证文献。
2010-09-21 cs.SI physics.soc-ph
Urban Analytics: Multiplexed and Dynamic Community Networks
在过去的十年中，城市经历了快速的增长，扩张和社区结构的变化。关键城市基础设施的许多方面都与其所服务的人类社区密切相关。城市社区是由多重重叠的因素组成的，这些因素可以分为文化、宗教、社会经济、政治和地理层面。在本文中，我们回顾了如何利用越来越多的异构移动大数据集来检测社区的互动结构，使用自然语言处理和机器学习技术。一些社区层和交互检测算法，然后审查，特别关注的鲁棒性，稳定性和因果关系的不断发展的社区。更好地了解结构动态和多重关系可以提供有用的信息，为城市规划政策提供信息，并塑造社会耦合的城市基础设施系统的设计。
2018-12-11 cs.SI physics.soc-ph
Inhomogeneous epidemics on weighted networks
通过将配置模型扩展到边具有权重的情况来对社交（性）网络进行建模，例如，反映个体之间的性接触的数量。在网络上定义了一个流行病模型，使得个体在易感性和传染性方面是异质的。基本再生数R_0的推导和研究的各种例子，但也有一个大爆发的规模和概率。定性的结论是，R_0随群落异质性的增加而增大，但不同的异质性（度分布、权重、易感性和传染性）有时会对群落的异质性产生累积效应，从而使$R_0$变小。对爆发的概率和最终规模的影响更为复杂。
2011-12-20 cs.SI math.PR physics.soc-ph
Defining Least Community as a Homogeneous Group in Complex Networks
本文引入了最小社区的概念，即最小社区与随机图具有相同的同质性，并从同质性或异质性的角度提出了一种新的社区发现算法。基于这一概念，我们采用头/尾休息-一个新开发的分类方案的数据与重尾分布-并依赖于边缘介数给定其重尾分布迭代划分成许多异构和同质社区的网络。令人惊讶的是，任何自组织和/或自进化的大型网络的衍生社区都表现出非常惊人的幂律，这意味着小社区远远多于大社区。这种小东西比大东西多得多的概念构成了社区检测的一种新的基本思维方式。关键词：头/尾断裂，HT指数，缩放，K均值，自然断裂和分类
2015-02-23 cs.SI nlin.AO physics.soc-ph
Emergence of community structures through biased random walks rewiring
社区结构已经在各种复杂的现实世界网络中被识别出来，例如，通信，信息，互联网和股东网络。群落规模分布的尺度性反映了网络拓扑结构的异质性。现有的网络生成或生长模型能够再现网络的一些性质，包括度分布、大聚类系数和社区。然而，社区规模的缩放行为缺乏调查，特别是从本地相互作用的角度。基于异构节点行为不同导致网络拓扑位置不同的假设，我们提出了有向网络中设计随机游动的模型来解释观测网络中的特征.该模型强调了两种不同的动力学可以模拟局部相互作用，并且在再现真实复杂网络的特征时，隐藏层是必不可少的。该模型可以解释的关键特征包括社区规模分布、度分布、渗流性质、平均路径长度分布以及上述性质对数据中节点标签的依赖性。
2022-07-08 math.DS physics.soc-ph
ACRONYM: Augmented degree corrected, Community Reticulated Organized Network Yielding Model
本研究借鉴稠密加权网络方法提出ACRONYM模型，用于生成和估计无权重网络，可描述更广泛的网络类别与灵活社区结构，借助二元情形下的似然估计提升节点特征估计效果，助力理解异质密度网络的生成结构。
2024-04-11 physics.soc-ph stat.AP
Multiorder Laplacian for synchronization in higher-order networks
传统上，交互系统被描述为网络，其中链接编码关于节点之间的成对影响的信息。然而，在许多系统中，互动发生在更大的群体中。最近的研究表明，振荡器之间的高阶相互作用可以显着影响同步。然而，这些早期的研究大多考虑的相互作用多达4个振荡器的时间，和分析处理仅限于所有对所有的设置。在这里，我们提出了一个一般的框架，使我们能够有效地研究人口的振荡器，高阶相互作用的所有可能的订单被认为是任意超图描述的任何复杂的拓扑结构，并为一般的耦合功能。在这个范围内，我们引入了一个多阶拉普拉斯算子，其谱决定了同步解的稳定性。我们的框架验证了三个结构的相互作用日益复杂。首先，我们研究了一个人口与所有的相互作用在所有订单，我们可以在一个完整的分析方式推导出系统的李雅普诺夫指数，并为我们调查的影响，包括吸引力和排斥力的相互作用。其次，我们应用多阶拉普拉斯框架同步的合成模型与异构高阶相互作用。最后，我们比较了耦合振荡器与高阶和成对耦合的动力学，对于描述猕猴大脑连接体的真实数据集，突出了忠实地表示现实世界系统中相互作用的复杂性的重要性。总之，我们的多阶拉普拉斯算子使我们能够获得一个完整的分析表征的稳定性的同步在任意高阶网络，铺平了道路的动力学过程的一般治疗超越成对的相互作用。
2020-09-29 nlin.AO physics.soc-ph
Identifying Influential Spreaders of Epidemics on Community Networks
一个有效的战略，以确定有影响力的传播者，可用于控制人口中的流行病将是相当重要的。一般来说，种群的特征在于它的社区结构和社区上的节点之间的弱联系的异质分布。在这里提出了一个社区网络的战略，能够确定有影响力的传播者，加速疾病的传播。在这种策略中，有影响力的传播者作为目标节点。这是基于这样的想法，即在k壳分解中，弱关系和强关系被分开处理。将该策略应用于由在线社交网络构建的经验网络，结果表明该策略比其他策略更准确。它的有效性源于邻居之间的连接模式，并成功地确定了重要的节点。此外，即使网络结构存在错误，该策略的性能也保持稳健。
2016-01-28 cs.SI physics.soc-ph stat.ME
