Community Detection in Complex Networks using Link Prediction
社区发现和链接预测在网络分析中具有重要意义,它们从不同的角度对网络的拓扑结构提供了非常有价值的见解。针对链接预测能否提高社区划分的准确性这一问题,提出了一种新的社区发现算法,该算法引入了链接预测.对于链接预测,我们提出了两个新的索引来计算每对节点之间的相似性,其中一个旨在添加丢失的链接,另一个试图删除虚假的边缘。在基准数据集上进行了大量的实验,并将该算法的结果与两类基线进行了比较。总之,我们提出的算法是有竞争力的,揭示了链接预测确实提高了社区发现的精度。
2017-07-10 cs.SI physics.soc-ph
Map equation for link community
社区结构存在于许多现实世界的网络中,并已被报道与网络的几个功能属性。传统的方法是将节点划分为社区,而最近的一些研究开始划分链接而不是节点,以有效地找到重叠的节点社区。我们扩展了地图方程方法,这是最初开发的节点社区,在网络中找到链接社区。在不同类型的网络上进行测试,并与网络元数据进行比较,结果表明该方法能够有效地识别节点的角色重叠。该方法的优点是通过测量网络中除社团结构外的未知信息,可以定量地比较节点社团方案和链路社团方案。它可以用来定量地决定是否应该使用链路社区方案来代替节点社区方案。此外,由于该方法是基于随机游动的,因此可以很容易地推广到有向网络和加权网络。
2011-08-12 cond-mat.stat-mech cs.SI physics.soc-ph
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
Analysis of ResearchGate, A Community Detection Approach
本文利用网络科学和基于模块度的社区发现方法分析伊朗科学机构协作网络,揭示地理邻近性与族群属性的作用以及德黑兰科学中心的影响力,为制定科研战略规划提供依据。
2023-09-18 cs.IR cs.SI
Analytical approach to model of scientific revolutions
使用主方程分析了科学范式在具有记忆的代理人社区中传播的模型。两个竞争的想法的情况下,被认为是各种网络的相互作用,包括代理人放置在Erdens-Rényi图或完全图。分析了社区采用新思想的速度,以及新思想取代旧思想的时期分布。该方法扩展到更一般的情况下,当两个以上的想法竞争的链拓扑结构。我们的分析结果与数值模拟一致。
2011-09-08 cs.SI physics.soc-ph
Efficient Community Detection in Large Networks using Content and Links
在本文中,我们讨论了一个非常简单的方法相结合的内容和链接信息的图形结构的社区发现的目的,在网络分析中的一项基本任务。我们的方法取决于基本的直觉,即许多网络在链接结构中包含噪声,并且内容信息可以帮助加强社区信号。这使人们能够消除噪声的影响(假阳性和假阴性),这是特别普遍的在线社交网络和Web规模的信息网络。具体来说,我们引入了一个衡量网络中两个节点之间的信号强度,通过融合它们的链接强度与内容相似性。链路强度是基于链路是否可能(以高概率)驻留在社区内来估计的。通过余弦相似度或Jaccard系数来估计内容相似度。我们讨论了一个简单的机制,融合内容和链接的相似性。然后,我们提出了一个有偏的边缘采样过程,它保留了每个图节点的局部相关的边缘。可以使用标准的社区发现算法(例如Metis和Markov聚类)来聚类所得到的骨干图。通过对具有不同大小和特征的多个真实世界数据集(Flickr,Wikipedia和CiteSeer)的广泛实验,我们证明了我们的方法在最先进的学习和挖掘方法中的有效性和效率,其中一些方法还试图将链接和内容分析结合起来用于社区发现。具体来说,我们总是发现一个定性的好处时,结合内容与链接分析。此外,我们的有偏图采样方法实现了定量的好处,因为它通常比竞争方法快几个数量级。
2012-12-01 cs.SI physics.soc-ph
Link community detection through global optimization and the inverse resolution limit of partition density
我们调查的可能性,全局优化为基础的重叠社区检测,使用链接社区框架。我们首先表明,分区密度,链接社区检测方法中使用的原始质量函数,是不适合作为一个质量函数的全局优化,因为它更喜欢打破社区成三角形,除非在高度有限的条件。我们分析得出这些条件,并确认它与各种合成和现实世界的网络直接优化的计算结果。为了克服这一限制,我们提出了替代方法相结合的加权线图变换和现有的质量功能,基于节点的社区。我们提出了一个新的线图加权方案,归一化Jaccard指数。计算结果表明,使用归一化Jaccard指数生成的加权线图进行社区检测可以更准确地确定社区结构。
2016-01-19 cs.SI physics.comp-ph physics.soc-ph
A Community-Enhanced Graph Representation Model for Link Prediction
School of Computer Science and Engineering(计算机科学与工程学院);School of Computer Science(计算机科学学院)
本文提出CELP框架,通过结合社区结构,改进图表示模型以提升链接预测的准确性。
2025-12-24 cs.LG cs.SI
Hierarchical organization of H. Eugene Stanley scientific collaboration community in weighted network representation
通过映射当代社会互动的最先进的元素,世界科学合作网络发展了一个极其复杂的组织。这种异质性的选择特征进行了研究,并确定了重点放在科学合作社区的H。尤金·斯坦利-目前世界上最多产的学者之一。基于截至2016年3月28日的Web of Science记录,构建了几种网络变体。结果发现,斯坦利#1网络-这在类比的Erdos的# -发展了一个很大程度上一致的层次结构和斯坦利自己遵守规则的相同层次结构。然而,这仅在加权网络表示中看到。当这样的加权网络的发展,现有的相关模型表明,权重的传播得到刺激的乘法突发在相邻的节点,这导致它们之间的互连的平衡增长。虽然不是斯坦利独有的,但这种行为并不是一种规则。在这里研究的其他杰出学者的网络更经常发展成一种星状形式,中心枢纽构成了离群点。这项研究的补充频谱分析的归一化拉普拉斯矩阵来自相应的网络的加权变体,除其他外,它指出了这样一个程序的效率,用于确定组件社区和它们之间的关系在复杂的加权网络。
2017-10-16 cs.SI physics.soc-ph q-fin.CP
Hierarchical Single-Linkage Clustering for Community Detection with Overlaps and Outliers
Toronto Metropolitan University(多伦多都会大学)
本研究将HDBSCAN的层次单链接聚类算法应用于多种节点/边相似性评分,探究可检测含离群点社区的方法,实验证实该范式是图聚类的可行方向。
2025-09-02 cs.SI
How the Scientific Community Reacts to Newly Submitted Preprints: Article Downloads, Twitter Mentions, and Citations
我们分析了2010年10月至2011年5月期间提交给预印本数据库arXiv.org的4,606篇科学文章的预印本出版物的在线响应。我们研究了三种形式的反应,这些预印本:在arXiv.org网站上下载,在社交媒体网站Twitter上提到,并在学术记录中的早期引用。我们进行了两个分析。首先,我们分析的延迟和时间跨度的文章下载和Twitter提到提交后,了解这些反应的时间配置,以及是否一个之前或之后的其他。其次,我们运行回归和相关性测试来调查Twitter提及,arXiv下载和文章引用之间的关系。我们发现,Twitter提到和arXiv下载的学术文章遵循两种不同的时间活动模式,与Twitter提到有较短的延迟和较窄的时间跨度比arXiv下载。我们还发现,Twitter的提及量与预印本出版后几个月的arXiv下载量和早期引用量在统计上相关,可能存在偏向于被高度提及的文章的倾向。
2012-09-17 cs.DL cs.SI physics.soc-ph
Network-based link prediction of scientific concepts -- a Science4Cast competition entry
Instituto de Telecomunicações(电信研究所)
我们在Science 4Cast 2021竞赛的背景下报告了一个模型,该模型用于预测科学概念复杂网络中的链接。我们发现,网络非常倾向于连接高度的节点,这表明新的科学联系主要是在流行的概念之间建立的,这构成了我们模型的主要特征。除了流行度的概念,我们还使用了一种节点之间的相似性度量,通过对其共同邻居的归一化计数来量化,以改进模型。最后,我们表明,该模型可以进一步改进,考虑一个时间加权邻接矩阵与旧的和新的链接有较高的影响,在预测中,分别代表扎根的概念和最先进的研究。
2022-01-18 cond-mat.dis-nn cs.LG cs.SI
Infinite Edge Partition Models for Overlapping Community Detection and Link Prediction
提出了一种层次伽玛过程无限边划分模型,用于分解Bernoulli-Poisson链接下的无权无向关系网络的二元邻接矩阵。该模型描述了同伦和随机等价,并可扩展到大型稀疏网络的计算集中在对连接的节点。它不仅可以发现重叠社区和社区间的交互,还可以预测缺失的边缘。还提供了一个省略社区间互动的简化版本,我们揭示了它与现有模型的有趣联系。社区的数量是自动推断在一个非参数贝叶斯的方式,并通过吉布斯抽样使用新的数据增强技术推导出有效的推理。在四个真实网络上的实验结果证明了模型的可扩展性和最先进的性能。
2015-12-30 cs.SI stat.ML
Subreddit Links Drive Community Creation and User Engagement on Reddit
在Reddit上,单个子Reddit用于组织内容和连接用户。一种交互模式是subreddit链接,当用户直接引用另一个社区中的子reddit时,就会出现这种情况。基于这些引用的普遍性,我们对Reddit上的subreddit链接进行了研究,目的是了解它们对引用的subreddit以及整个subreddit格局的影响。通过一项广泛的观察性研究以及几个使用Reddit整个历史的自然实验,我们能够确定(1)subreddit链接是新suberddit创建的重要驱动力;(2)subreddit链接(2a)大大推动了引用的subreddit中的活动,(2b)经常响应引用的subreddit中的高水平活动而创建;(3)随着时间的推移,subreddit链接的图形变得不那么密集,更像树。最后,我们讨论了这些结果如何证实,增加,并在某些情况下与现有的理论在网上社会系统中的信息寻求行为和自组织行为的冲突。
2022-03-18 cs.CY cs.SI
Link Fraction Mixed Membership Reveals Community Diversity in Aggregated Social Networks
Leiden University(莱顿大学);University of Amsterdam(阿姆斯特丹大学)
本文提出Link Fraction Mixed Membership方法,用于分析聚合社会网络中的社区多样性,通过保留不同尺度下的社区成员身份总和,揭示地理区域社区结构的变化及城市枢纽的融合作用。
2026-10-09 cs.SI physics.soc-ph
Competition between Intra-community and Inter-community Synchronization
本文详细研究了外部链接对社区网络同步性能的影响,特别是对单个社区与整个网络竞争的影响。本研究从外部链接的数量或比例以及不同社区之间外部链接的连接策略两个方面展开。研究发现,在临界点之前,增加外部链接的数量会提高社区的全局同步性,但会降低单个社区的同步性能。在此之后,由于社区结构不那么突出,因此单个社区作为整个网络的一部分会越来越好地同步。在各种连接策略中,随机连接不同社区的节点而不是连接度较大的节点是增强网络全局同步的最有效方法。然而,一个优惠的连接方案,连接大多数的枢纽从社区将允许相当有效的全球同步,同时保持强大的动态集群的社区。有趣的是,这些观察结果被发现与猫皮层的现实网络有关。同步状态正好处于临界点,体现了个体社区功能分离和社区间协调的合理组合。我们的工作揭示了模块化架构在真实网络系统中出现的基本原理,并为社区网络中的同步操作提供了指导。
2011-01-20 cs.SI nlin.AO physics.soc-ph
Expertise localization discovered through correlation of key term distribution and community detection in co-author networks
我们提出了一个高效和有效的自动方法来确定合作作者网络中发现的科学社区的研究重点。它利用数据库中的书目数据来形成网络,然后通过快速贪婪社区发现来识别网络中大型连接组件中的社区。文本分析技术被用来识别代表社区主题的社区特定的重要术语。为了大大减少计算时间,对网络中每份出版物的“主题”字段而不是其整个文本进行分析。使用这种文本分析方法需要一定程度的统计置信度,因此使用这种技术分析非常小的社区并不有效。我们发现一个最小的社区规模阈值8合著论文;低于这个值,社区的主题不能可靠地识别与此方法。此外,我们认为这项研究的影响,在合著网络的科学社区的形成所涉及的因素。
2014-07-14 cs.DL cs.SI physics.soc-ph
A novel metric for community detection
针对传统Modularity在社区检测中的局限,提出基于链路预测可预测性的新度量,比传统方法更具鲁棒性,能评估算法稳定性并揭露错误检测。
2019-09-27 cs.SI physics.data-an physics.soc-ph
Modularity-Aware Graph Autoencoders for Joint Community Detection and Link Prediction
Deezer Research(Deezer研究院);École Polytechnique(巴黎综合理工学院);Institut Polytechnique de Paris(巴黎理工学院);Athens University of Economics and Business(雅典经济与商业大学)
图自动编码器(GAE)和变分图自动编码器(VGAE)成为链接预测的强大方法。他们的表现是不太令人印象深刻的社区发现问题,根据最近和并发的实验评估,他们往往优于更简单的替代品,如鲁汶方法。目前还不清楚GAE和VGAE可以在多大程度上改善社区发现,特别是在没有节点特征的情况下。此外,还不确定是否可以在保持链接预测的良好性能的同时这样做。在本文中,我们表明,联合解决这两个任务的高精度是可能的。为了这个目的,我们介绍和理论上研究的社区保持消息传递计划,掺杂我们的GAE和VGAE编码器,同时考虑初始图结构和基于模块的先验社区时,计算嵌入空间。我们还提出了新的训练和优化策略,包括引入一个模块化的正则化补充现有的重建损失的联合链接预测和社区发现。我们证明了我们的方法,称为模块化感知GAE和VGAE的经验有效性,通过深入的实验验证各种现实世界的图。
2022-06-20 cs.LG cs.SI stat.ML
Immunization of networks with non-overlapping community structure
虽然社区结构在复杂网络中普遍存在,但很少有研究利用这种拓扑性质来控制流行病。在这项工作中,致力于非重叠社区结构的网络(即,一个节点属于一个单一的社区),我们提出并研究了三个确定性免疫策略。为了表征节点的影响,使用各种信息,例如节点在一跳中可以到达的社区的数量、链路的性质(社区内链路、社区间链路)、社区的大小以及社区之间的互连密度。在真实网络和合成网络上进行了易感-感染-移除(SIR)流行病模型的数值模拟。实验结果表明,所提出的策略是更有效的比经典的确定性的替代品是不可知的社区结构。此外,它们优于为模块化网络设计的随机和确定性策略。
2018-06-14 cs.SI physics.soc-ph
Discriminative Link Prediction using Local Links, Node Features and Community Structure
IIT Kharagpur(印度理工学院克勒格布尔分校);IIT Bombay(印度理工学院孟买分校)
链接预测(LP)算法被给出一个图,并且必须对每个节点、作为新链接的候选的其他节点进行排名。LP强烈受到社交搜索和推荐应用的推动。LP技术通常专注于全局属性(图电导,命中或通勤时间,Katz得分)或局部属性(Adamic-Adar和许多变体,或节点特征向量),但很少结合这些信号。此外,这两个极端都没有利用社区中间层的链接密度。在本文中,我们描述了一个歧视LP算法,利用两个新的信号。首先,一个共同的聚类算法提供社区级的链接密度估计,这是用来限定观察到的链接与惊喜值。第二,在要预测的链接的直接邻域中的链接不被解释在表面值,而是通过节点特征相似性的局部模型。这些信号被组合成一个判别链接预测器。我们使用文献中标准的五个不同数据集来评估新的预测因子。与标准LP方法(包括Adamic-Adar和随机游走)相比,我们报告了显着的准确性提升。除了新的预测器之外,另一个贡献是用于对LP算法进行基准测试和报告的严格协议,它揭示了这里研究的所有预测器的优势和劣势区域,并将新提案确定为最稳健的。
2013-10-17 cs.LG cs.SI physics.soc-ph
Common neighbours and the local-community-paradigm for link prediction in bipartite networks
二分网络是对复杂系统的有力描述,其特征在于两个不同类别的节点和连接只允许跨越而不允许在两个类别内。令人惊讶的是,目前的复杂网络理论提出了一个理论瓶颈:一个通用的框架,直接在二分域基于局部的链接预测是失踪。在这里,我们克服了这一理论障碍,并提出了一个正式的定义,共同的邻居指数(CN)和本地社区范例(LCP)的二分网络。因此,我们能够引入第一个基于节点邻域和基于LCP的模型,利用二分域的拓扑链接预测。我们在几个不同规模和不同来源的网络中进行了链接预测评估,包括技术,社会和生物系统。我们的模型显着提高了许多二分网络的拓扑预测,因为它们利用本地的物理驱动力,参与许多现实世界的二分网络的形成和组织。此外,我们提出了一个基于本地的形式主义,允许直观地实现基于邻域的链接预测完全在二分域。
2015-12-12 cs.SI nlin.AO 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
Community detection based on structural balance in signed networks
针对符号网络社区检测忽视负链接稳定作用的问题,提出一种基于模体、量化链接局部结构平衡重要性的方法,可识别紧密且和谐稳定的社区,并在合成与真实网络中表现出更高性能和强鲁棒性。
2023-08-15 cs.SI physics.soc-ph
WOCD: A Semi-Supervised Method for Overlapping Community Detection Using Weak Cliques
针对现有基于GNN的重叠社区检测方法存在的信息整合难、感受野有限等问题,提出融合先验信息、基于弱团初始化伪标签的半监督方法WOCD,结合单层Graph Transformer与GNN,在8个真实数据集上精度显著优于现有最优半监督方法。
2025-07-30 cs.SI
On Representation Learning for Scientific News Articles Using Heterogeneous Knowledge Graphs
École polytechnique fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
在虚假信息和信息膨胀的时代,对新闻的公信力进行评估至关重要。然而,考虑到新闻中的参考文献有限,事实核查可能具有挑战性。通过利用与新闻文章相关的知识图谱可以超越这一挑战。在这项工作中,我们提出了一种方法来创建科学的新闻文章表示建模的有向图之间的科学新闻文章和引用的科学出版物。用于实验的网络由科学新闻文章,它们的主题,引用的研究文献及其相应的作者组成。我们实现并提出了三种不同的方法:1)基线关系图卷积网络(R-GCN),2)异构图神经网络(HetGNN)和3)异构图Transformer(HGT)。我们测试这些模型在下游任务的链接预测上:a)新闻文章-论文链接和b)新闻文章-文章主题链接。结果表明,图神经网络方法在知识追踪和科技新闻可信度评估领域具有广阔的应用前景。
2021-04-12 cs.LG cs.SI
Overlapping community detection in networks based on link partitioning and partitioning around medoids
National Research University Higher School of Economics(国立研究大学高等经济学院);University of Thessaloniki(塞萨洛尼基大学);Intel Corp(英特尔公司)
在本文中,我们提出了一种新的方法来检测网络中的重叠社区与预定义数量的集群称为LPAM(链接分割周围Medoids)。图中的重叠社区是通过检测不相交的社区,在相关的线图采用链路划分和划分周围的中心点,这是通过使用的距离函数定义的一组节点。我们考虑通勤距离和放大通勤距离作为距离函数。LPAM方法的性能评估与计算实验在现实生活中的实例,以及合成网络基准。对于小型和中型网络,我们找到了精确的解决方案,而对于大型网络,我们使用LPAM方法的启发式版本找到了解决方案。
2021-04-24 cs.DM cs.LG cs.SI
Detecting Stable Communities in Link Streams at Multiple Temporal Scales
链接流模型在广泛的领域中随着时间的推移进行交互。在这种模式下,面临的挑战是有效地挖掘时间和拓扑结构。社区发现和变化点检测是分析这种不断变化的相互作用的最有力的工具之一。在本文中,我们建立在这两个检测稳定的社区结构,确定有意义的社区内的变化点。与现有的动态社区发现算法不同,该方法能够在多个时间尺度上有效地发现稳定的社区。我们测试了我们的方法在合成网络上的有效性,以及从真实社交网络中提取的高分辨率时变网络的联系人。
2019-07-24 cs.SI physics.soc-ph
The strength of strong ties in scientific collaboration networks
网络拓扑结构及其与领带强度的关系可能会阻碍或增强社交网络中的信息传播。我们研究了科学合作网络中的关系强度和拓扑结构之间的相关性,并表明这些网络与普通的社交网络有很大的不同。对于后者,早先已经表明,强联系与密集的网络社区相关,而较弱的联系则充当这些之间的桥梁。因此,薄弱环节成为信息传播的瓶颈。我们发现,相反,在合著网络密集的局部社区主要由弱链接,而强链接是更重要的整体连通性。强链接的重要作用在信息传播的模拟中得到进一步强调,它们的拓扑位置被认为大大加快了传播动力学。因此,与普通的社交网络相比,权重-拓扑相关性增强了跨科学合作网络的信息流。
2012-01-11 cs.SI physics.data-an physics.soc-ph
Compressing regularized dynamics improves link prediction with the map equation in sparse networks
针对标准映射方程在稀疏网络中因社区碎片化降低MapSim链接预测性能的问题,提出结合全局及三种局部正则化的映射方程方法,在高稀疏真实网络中性能优于现有方法,无需调参且速度更快。
2025-03-21 cs.SI
Finding Scientific Communities In Citation Graphs: Convergent Clustering
了解科学界的性质和组织具有广泛的意义。“无形学院”是对此类社区的一种历史隐喻,寻找此类“学院”的工作可以被界定为发现和分析研究共同感兴趣问题的科学家小组。案例研究以前已经进行了个别社区就其科学和社会行为。在这项研究中,我们介绍,一个新的和可扩展的社区发现的方法。在专家评估的辅助下,我们使用两种不同聚类方法的收敛性来选择来自免疫学领域的200多万篇文章的文章聚类,这些文章跨越了11年的时间,具有相关的聚类质量指标进行评估。最后,我们确定了这些集群定义的作者社区。专家审查了这一管道产生的文章组样本,显示出很强的主题相关性,表明推断的作者群体可能代表有效的实践群体。这些研究结果表明,这种趋同的方法在未来可能是有用的。
2020-07-28 cs.DL cs.SI physics.soc-ph
Emergence of Bursts and Communities in Evolving Weighted Networks
了解人类动力学和社会互动的模式,以及它们导致形成有组织和功能性社会的方式,是特别是技术社会发展的重要问题。通过例如移动电话呼叫记录的大规模数据分析,解决社交网络的这些问题最近已经成为可能,这已经揭示了模块化或社区结构的存在,其中在相同社区的节点之间存在许多链接,而在不同社区的节点之间存在相对较少的链接。链接的权重,例如两个用户之间的呼叫数量,和网络拓扑结构被发现相关,使得社区内链接比弱的社区间链接更强。这被称为格兰米特的“弱关系的强度”假说。除了这种不均匀的社区结构,人类动力学的时间模式是不均匀的或突发性的,其特征是两个连续事件之间的事件间隔时间的厚尾分布。在本文中,我们研究了如何社区结构和突发动态一起出现在一个不断发展的加权网络模型。这些模式背后的主要机制是通过循环闭合的社会互动,即链接到朋友的朋友和焦点闭合,即链接到共享相似属性或兴趣的个人,以及通过任务处理过程的人类动态。这三种机制已被实现为一个网络模型与本地附件,全球附件,和基于优先级的排队过程。通过综合的数值模拟,我们表明,这些机制的相互作用,导致出现重尾事件间的时间分布和格兰特类型的社区结构的演变。此外,数值结果被发现在定性与经验的结果从手机通话数据集。
2011-06-01 cs.SI physics.soc-ph
Cross-Community Dynamics in Science: How Information Retrieval Affects Semantic Web and Vice Versa
社区对个人、社区本身和其他社区行为的影响可以在广泛的应用中观察到。在科学研究中也是如此,研究人员社区越来越多地向资助机构证明他们的影响和进展。虽然以前的工作试图解释和分析这种现象,但仍有很大的潜力提高这种分析的质量和准确性,特别是在跨社区影响方面。在这项工作中,我们提出了一个由几种不同的技术来分析和解释这种动态的一般框架。所提出的方法与任意社区算法,并结合元数据,以提高整体质量和表现力的分析。我们建议和讨论几种方法来理解,解释和解释特定的现象,这本身是在一个自动化的方式确定。我们通过揭示两个密切相关和完善的科学研究领域之间跨社区影响的非常有趣的深入细节来说明我们方法的好处和优势。最后,我们得出结论,并强调重要的开放性问题的方式走向理解,定义和最终预测典型的生命周期和类的社区的背景下,跨社区的影响。
2010-11-30 cs.IR cs.SI physics.soc-ph
Community detection, link prediction, and layer interdependence in multilayer networks
复杂系统的特点通常是相同实体之间的不同类型的相互作用。这些可以被描述为一个多层网络,其中每一层代表一种类型的交互。这些层可能以复杂的方式相互依赖,揭示了网络中不同类型的结构。在这项工作中,我们提出了一个生成模型,和一个有效的期望最大化算法,这使我们能够执行推理任务,如社区发现和链接预测在这种设置。我们的模型假设重叠的社区是共同的层之间,同时允许这些社区以不同的方式影响每一层,包括任意混合的排斥,排斥,或定向结构。它还为我们提供了一种数学原理的方法来定义层之间的相互依赖性,通过测量一个层的信息有多少可以帮助我们预测另一个层中的链接。特别是,这允许我们将层捆绑在一起以压缩冗余信息,并识别足以准确预测其余层的小层组。我们通过分析合成数据和两个真实的多层网络来说明这些发现,一个代表南印度村民之间的社会支持关系,另一个代表疟疾寄生虫基因之间共享的遗传子串材料。
2018-08-20 cond-mat.stat-mech cs.SI physics.soc-ph
Network clustering and community detection using modulus of families of loops
我们研究的结构,在网络中的循环使用的概念,模的循环家庭。我们引入了一个新的网络聚类措施,通过量化(简单)循环的家庭的丰富性。Modulus试图通过最佳地扩展预期的链路使用来最小化环路之间的预期重叠。我们提出加权网络使用这些预期的链接使用,以改善经典的社区发现算法。我们表明,所提出的方法提高了某些算法的性能,如频谱划分和模块化最大化算法,在标准的基准测试。
2016-12-26 cs.SI physics.soc-ph
A bibliometric approach to Systematic Mapping Studies: The case of the evolution and perspectives of community detection in complex networks
在确定值得追求的新研究路线时,对最先进的技术进行批判性分析是一项必要的任务。为此,必须考虑到与感兴趣领域有关的所有现有工作。关键是如何组织、分析和理解当今关于任何主题的大量科学文献。为了解决这个问题,我们在这里提出了一个文献计量学的方法系统映射研究(SMS)。因此,修改SMS协议依赖于科学参考文献元数据来提取、处理和解释当今研究文献中包含的丰富信息。作为一个测试案例,该过程被应用于确定复杂网络中的社区发现的现状和前景。我们的研究结果表明,社区发现是一个仍然活跃,远未枯竭,在发展中的领域。此外,我们发现,到目前为止,利用最多的方法是那些有关确定层次社区结构。另一方面,结果表明,模糊聚类技术,尽管他们的兴趣,是欠发达的,以及适应现有的算法,并行或更具体地说,分布式计算系统。
2017-02-08 cs.DL cs.SI physics.soc-ph
Data on face-to-face contacts in an office building suggests a low-cost vaccination strategy based on community linkers
关于社会环境中个体之间接触的经验数据在为描述人类行为和流行病如何在人群中传播的模型提供信息方面发挥着重要作用。在这里,我们分析了在办公楼里收集的面对面接触的数据。联系人的统计特性与其他社会情况相似,但在联系网络结构中观察到重要差异。特别是,接触网络是由部门中的办公室组织强烈塑造的,这对设计精确的基于代理的流行病传播模型产生了影响。我们认为接触网络是传染病传播的潜在基质,并表明其稀疏性往往可以防止快速传播的流行病爆发。此外,我们定义了三个典型的行为,根据分数$f$的链接每个人的份额以外的自己的部门:居民,流浪者和链接。连接器($f\sim 50\%$)充当网络中的桥梁并且具有大的介数中心性。因此,靶向接头的疫苗接种策略有效地防止了大规模爆发。由于这种行为可能在办公室的组织中或从调查中被先验地发现,而不完全了解时间分辨的接触网络,因此该结果可以帮助设计高效、低成本的疫苗接种或社交距离策略。
2015-02-05 cs.SI physics.soc-ph
Community Structure Detection in Complex Networks with Partial Background Information
约束聚类在无监督学习领域得到了广泛的研究。然而,如何在复杂网络中将约束编码到社区结构检测中仍然是一个具有挑战性的问题。在本文中,我们提出了一个半监督学习的社区结构检测框架。该框架通过修改网络的邻接矩阵隐式地编码了必须连接和不能连接的约束,也可以看作是对社团结构的一致性矩阵进行了去噪处理。我们提出的方法考虑了复杂网络的拓扑结构和功能(背景信息),这增强了结果的可解释性。在合成基准测试和真实网络上进行的比较表明,该框架能够在较少约束条件下显著提高社区发现性能,是复杂网络分析中一种有吸引力的方法.
2013-03-22 cs.SI physics.soc-ph
New Frontiers in Graph Autoencoders: Joint Community Detection and Link Prediction
Deezer Research(Deezer研究院);École Polytechnique, IP Paris(巴黎综合理工学院,巴黎理工学院);Harvard University(哈佛大学)
图自动编码器(GAE)和变分图自动编码器(VGAE)成为链接预测(LP)的强大方法。它们在社区发现(CD)上的表现不那么令人印象深刻,在CD上,它们经常被更简单的替代方法(如Louvain方法)所超越。目前还不清楚GAE和VGAE能在多大程度上改善CD,特别是在缺乏淋巴结特征的情况下。此外,还不确定是否可以这样做,同时在多任务设置中保持LP的良好性能。在这篇研讨会论文中,总结了我们的期刊出版物(Salha-Galvan et al. 2022)的结果,我们表明,以高精度联合解决这两项任务是可能的。为此,我们引入了一个社区保持消息传递计划,掺杂我们的GAE和VGAE编码器,同时考虑初始图和基于Louvain的先验社区时,计算嵌入空间。受基于模块的聚类的启发,我们进一步提出了专门为联合LP和CD设计的新的训练和优化策略。我们证明了我们的方法,称为模块化感知GAE和VGAE,在各种现实世界的图形的经验有效性。
2022-11-16 cs.LG cs.SI stat.ML
Reciprocity, community detection, and link prediction in dynamic networks
提出一种整合互惠性与社区结构的动态网络概率生成模型,利用马尔可夫方法与EM算法实现高效推断,在真实数据上更好地捕捉互惠性并提升链路预测性能。
2021-12-17 cs.SI physics.soc-ph
The Role of Science in the Climate Change Discussions on Reddit
本研究基于 Reddit 上 14 年气候变化讨论数据,分析科学来源链接的使用比例、变化趋势及与用户政治倾向的关系,揭示科学信息在公共审议中被大众媒体和社交媒体引用所淹没的现状。
2025-02-07 cs.CY cs.SI
The Scientific Prize Network Predicts Who Pushes the Boundaries of Science
科学奖项是科学家从同行那里获得的最大认可之一,可以说,它通过赋予个人、思想和学科以可信度,提供经济奖励,并促进加强科学界的仪式,塑造了一个领域的方向。奖项的激增和奖项之间的联系表明,奖项网络包含了有关科学家和思想的信息,这些信息将受到好评。利用全球和跨学科奖项和获奖者的全面新数据,我们研究了全球科学奖项网络中的增长动态和连锁关系。我们专注于了解奖项之间的知识联系和科学家的获奖倾向是如何与跨学科的知识路径和学科内的分层。我们发现奖项和科学进步之间有几个关键联系。首先,尽管随着时间的推移和全球范围内各种奖项的激增,奖项更多地集中在相对较小的科学精英群体中,精英之间的联系更加集中,这表明相对有限的思想和学者领导科学。第二,我们发现,某些奖项在学科内部和学科之间都有很强的互锁性,这揭示了知识系统地获得信任并通过网络传播的关键途径。第三,我们发现,家谱和合著网络强烈预测谁赢得一个或多个奖项,并解释了著名科学家之间的高度相互联系及其开创性的想法。
2018-08-28 cs.DL cs.SI physics.soc-ph
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