Compressing networks with super nodes
社区发现是一种常用的技术，用于基于连接模式的相似性来识别网络中的组。为了便于在大型网络中进行社区发现，我们将网络重新划分为一个较小的“超级节点”网络，每个超级节点包括原始网络中的一个或多个节点。为了定义我们的超级节点的种子，我们应用了'CoreHD'的排名，从拆除和decycling。我们测试我们的方法，通过分析两种常见的方法社区发现：模块化最大化的鲁汶算法和最大似然优化拟合随机块模型。我们的研究结果强调，将社区发现应用于超级节点的压缩网络的速度明显更快，同时成功地产生与本地网络连接更一致的分区，在社区发现算法内部和之间的多个（随机）运行中更稳定，并且与使用完整网络获得的结果重叠。
2017-06-13 cs.SI physics.soc-ph
Beyond Direct Retweets: Multi-Step Pathways in Italian COVID-19 Twitter
University of Pisa（比萨大学）；IMT School for Advanced Studies（IMT高等研究院）；Institute of Informatics and Telematics (IIT), National Research Council (CNR)（意大利国家研究委员会信息学与遥测研究所）；“Enrico Fermi” Research Center（恩里科·费米研究中心）；School of Economics and Management, University of Turin（都灵大学经济与管理学院）
本研究通过结合社区重建管道和高阶随机游走框架，分析意大利COVID-19推特辩论中多步路径如何重新分配跨社区注意力，发现注意力随路径长度增加而减弱，且跨社区再分配存在非均匀性和方向不对称性。
2026-09-24 physics.soc-ph
Intertemporal Community Detection in Human Mobility Networks
我们介绍了一个社区检测方法，发现集群在网络时间序列中引入一个算法，发现显着的互联节点在整个时间。这些连接随着时间的推移而增加，减少或恒定。在每个时间点使用加权配置模型判断集合内节点连通性的显著性，然后使用一种新的显著性检验方案来评估所有时间点的连通性及其时间趋势的方向。我们将这种方法应用于纽约市和芝加哥的自行车共享网络以及纽约的出租车接送，以发现和说明城市地区人类流动的模式。结果显示，集群中的地理模式明显，随着时间的推移，相对使用率不断上升和下降，并可能阐明潜在的经济或人口趋势。
2020-04-03 cs.SI physics.soc-ph stat.AP
Identifying the Community Roles of Social Capitalists in the Twitter Network
在Twitter的背景下，社会资本家是特定的用户，他们试图通过任何方式增加他们的追随者数量和互动。这些用户对Twitter网络来说并不健康，因为他们缺乏影响力和可见度的概念。事实上，最近已经观察到，他们是真实和活跃的用户，可以帮助恶意用户，如垃圾邮件发送者获得影响力。因此，研究他们的行为和了解他们在Twitter上的位置是非常重要的。最近的工作提供了一个有效的方法来检测社会资本家使用两个简单的拓扑措施。基于这种检测方法，我们研究社会资本家是如何分布在Twitter的朋友到追随者网络。我们特别感兴趣的是分析它们是如何组织的，以及它们的链接如何在网络中传播。提出这些问题可以了解社会资本主义方法是否增加了服务的实际可见性。为了这个目的，我们研究社会资本家在Twitter上的地位。网络的社区结构。我们的工作基础上的概念，社区角色的节点，它描述了它在网络中的位置取决于它的连接在社区一级。最初定义的拓扑措施来描述这些角色只考虑社区相关的连接的某些方面，并依赖于一组经验固定的阈值。我们首先展示了这些措施的局限性，然后通过考虑社区相关连接的新方面来扩展和推广它们。此外，我们使用一个无监督的方法来区分角色，以提供更多的灵活性相对于所研究的系统。然后，我们将我们的方法应用到社会资本家的情况下，并表明他们是高度可见的Twitter上，由于他们所占据的特定角色。
2014-06-25 cs.SI physics.soc-ph
Insights on structure and influence from the adjacency and Laplacian eigenspectra of intersecting ring networks
Applied Space Technology Laboratory, Department of Electronic and Electrical Engineering, University of Strathclyde（斯特拉斯克莱德大学电子与电气工程系应用空间技术实验室）
研究通过分析环网络的邻接和拉普拉斯谱揭示其结构与影响，探讨高连接度枢纽及交叠环网络的社区结构特征。
2026-01-09 nlin.CD physics.soc-ph
Vulnerable Connectivity Caused by Local Communities in Spatial Networks
本文通过平面基础设施建模研究空间网络中局部社区对连通鲁棒性的影响，发现强局部社区会削弱鲁棒性，并指出长距离链路可缓解其负面影响。
2025-04-23 cs.SI physics.soc-ph
Empirical Comparison of Algorithms for Network Community Detection
在大型现实世界的图，如大型社会或信息网络中检测集群或社区是一个相当感兴趣的问题。在实践中，人们通常选择一个目标函数，该目标函数捕获网络集群作为具有比外部连接性更好的内部连接性的节点集合的直觉，然后应用近似算法或近似算法来提取与目标函数相关并且“看起来像”感兴趣的应用的良好社区的节点集合。在本文中，我们探讨了一系列的网络社区发现方法，以比较它们，并了解它们的相对性能和系统偏差，他们确定的集群。我们评估几个常见的目标函数，用于正式的概念，网络社区，我们研究了几个不同的类的近似算法，旨在优化这些目标函数。此外，而不是简单地固定一个目标，并要求任何大小的最佳集群的近似值，我们考虑的优化问题的大小解决的版本。考虑社区质量作为其大小的函数，提供了一个更精细的镜头来检查社区发现算法，因为目标函数和近似算法通常具有不明显的大小依赖行为。
2010-04-20 cs.DS physics.soc-ph
Multi-attribute community detection in International Trade Network
了解网络中的社区结构在经济分析中具有重要意义。社区确实具有特定的特性，这些特性不同于单个节点和整个网络的特性，它们可以影响网络上的各种过程。在国际贸易网络中，社区检测旨在搜索具有高集群内连通性和低集群间连通性的国家（或贸易部门）的集合。一般来说，国家之间的交换是根据不同部门的优惠经济关系进行的。在本文中，我们结合社区检测与特定的拓扑指标，如中心性措施。其结果是，一个新的加权网络是由原来的，其中的权重确定考虑到所有的拓扑指标，在一个多标准的方法。为了解决由此产生的集团划分问题，并找到同质组的国家，我们使用了一种新的快速算法，快速下降到局部最优解的基础上。通过分析，可以按相互联系、经济实力和贸易强度对各国进行分组，从而对国际贸易格局作出重要概述。
2021-10-19 cs.SI physics.soc-ph
Partial synchronization and community switching in phase-oscillator networks and its analysis based on a bidirectional, weighted chain of three oscillators
复杂网络通常拥有基于网络连通性定义的社区。当动态在网络中发生时，也可以考虑动态社区;即，一组显示类似动态过程的节点。我们已经调查了分析和数值的动态社区结构的发展，社区被称为一组节点的频率同步，在网络中的相位振荡器。我们首先证明，使用几个示例网络，当网络连接或交互强度变化时，社区结构会发生变化。特别是，我们发现社区转换，即，一部分振荡器改变它们同步到的组，这发生在参数范围内。然后，我们提出了一个三振荡器模型：一个双向的，加权链的三个仓本相位振荡器，作为一个理论框架，了解社区的形成和变化。我们的分析表明，该模型显示了各种部分同步的模式：具有相似的固有频率的振荡器往往同步弱耦合，而紧密连接的振荡器往往同步强耦合。我们得到的近似表达式的临界耦合强度采用微扰方法在弱耦合制度和几何方法在强耦合制度。此外，我们阐明了不同模式之间的过渡的分叉类型。我们的理论可能是有用的理解部分同步模式的发展，在更广泛的一类复杂网络比社区结构的网络。
2022-09-01 nlin.AO physics.soc-ph
Mesoscale community organization governs epidemic onset and spread in metapopulations
Florida State University（佛罗里达州立大学）
该研究提出层次化集合种群流行病传播框架，揭示社区内部连通性这一中尺度组织决定疫情暴发与传播，并结合真实数据验证了框架的稳健性。
2025-11-06 nlin.AO physics.soc-ph
Rumour Spreading In Community Based Networks
University of Stirling（斯特灵大学）
研究基于社区的网络中谣言传播，该网络由组内和组间连通性表征。通过以投资机构交易员网络为例，研究表明此类网络与常见网络特性不同，网络拓扑对谣言传播有显著影响。
2026-07-10 cs.SI physics.soc-ph
Estimating Network Parameters for Selecting Community Detection Algorithms
研究了社区发现算法的选择问题。社区发现的目的是识别网络中的节点集合，这些节点相对于它们与网络的其余部分的连接性而言是更加互连的。已经开发了大量的算法来解决这个问题，但与任何机器学习任务一样，没有“一刀切”的方法，每个算法都擅长问题空间的特定部分。本文研究了加权网络算法的性能对那些使用未加权网络的问题空间的不同部分（参数化的内部/社区间的链接）。然后，它演示了如何选择算法（加权/不加权）可以只根据观察到的网络。
2010-10-26 cs.SI physics.soc-ph
Detecting Cohesive and 2-mode Communities in Directed and Undirected Networks
网络是表示对象之间关系信息的通用语言。对网络进行建模、推理和总结的一种有效方法是发现具有共同连接模式的节点集。这样的集合通常被称为网络社区。网络社区发现的研究主要集中在无向网络中密集连接节点的社区识别。在本文中，我们开发了一种新的重叠社区发现的方法，可扩展到数以百万计的节点和边缘的网络，并沿两个维度推进研究：社区的连接结构，并使用边缘定向社区发现。首先，我们扩展了传统的网络社区的定义，通过观察节点可以以两种不同的方式紧密相连：在有凝聚力的社区中，节点相互链接，而在2模式社区中，节点以二分的方式链接，其中链接在两个分区之间占主导地位，而不是在它们内部。我们的方法成功地检测2模式以及凝聚力的社区，也可能重叠或分层嵌套。第二，虽然大多数现有的社区发现方法对待有向边缘，好像他们是无向的，我们的方法占边缘方向，并能够识别新的和有意义的社区结构，在有向和无向网络，使用数据从社会，生物和生态领域。
2014-01-29 cs.SI physics.soc-ph
EdMot: An Edge Enhancement Approach for Motif-aware Community Detection
网络社区发现是网络分析领域的一个研究热点。虽然已经提出了许多方法用于社区发现，但它们中的大多数仅考虑在单个节点和边的水平上的网络的低阶结构。因此，它们无法在小的密集子图模式的级别上捕获高阶特征，例如，图案最近，一些高阶方法已经被开发出来，但它们通常集中在基于模体的超图，假设是一个连通图。然而，这种假设在一些现实世界的网络中不能得到保证。特别地，超图可能变得碎片化。也就是说，它可能由大量的连通分量和孤立节点组成，尽管原始网络是一个连通图。因此，现有的高阶方法将严重遭受上述碎片化问题，因为在这些方法中，超图中没有连接的节点即使属于同一社区也不能被分组在一起。为了解决上述碎片化问题，我们提出了一种边缘增强方法的基序感知社区发现（EdMot）。主要思想如下。首先构造一个基于模体的超图，并对超图中的前K个最大连通分支进行模块划分。然后，通过构造一个边集，从每个模块中导出一个团，来加强每个模块内的连通性结构。基于新的边集，输入网络的原始连通性结构被增强以生成重新布线的网络，从而利用基于模体的高阶结构，并且超图碎片问题被很好地解决。最后，重新布线的网络进行划分，以获得更高的阶社区结构。
2019-05-30 cs.SI physics.soc-ph
Coevolution of agents and networks: Opinion spreading and community disconnection
我们研究了一个随机模型的意见形成过程中的一个人口的代理和网络的基础上，他们的相互作用的协同进化。当代理人无法达成意见一致时，交互链接可能会中断。网络的结构和意见在人口中的分布朝着这样一种状态发展，即人口被划分为不连通的社区，这些社区的代理人共享相同的意见。随着模型参数的改变，这种最终状态的统计特性变化很大。群落大小及其内部连通性是用来描述这种变化的数量。
2006-03-10 cond-mat.dis-nn cond-mat.stat-mech 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
Robustness of community structure to node removal
模块化结构的识别是必不可少的表征真正的网络形成的中观层次的组织集群包含具有高的内部连通度的节点。人们已经开发了许多方法来揭示社区结构，但只有少数研究探讨了它们在不完全网络中的适用性。在这里，我们评估了采样过程中生成的不完整网络中社区检测技术的准确性。我们表明，步行陷阱和快速贪婪算法是高度准确的检测模块化结构的不完整的复杂网络，即使他们的许多节点被删除。此外，我们实现了一种方法，提高了walktrap和快速贪婪算法的时间性能，同时保持了识别节点社区成员的准确率。总之，我们的研究结果表明，这种新方法可以应用于加速几乎任何社区检测方法在密集的复杂网络，因为它是相似性网络的情况下。
2015-02-06 cs.SI physics.soc-ph
Inference of the Russian drug community from one of the largest social networks in the Russian Federation
麻醉品的犯罪性质使直接评估毒品社区变得复杂，而充分了解吸引或目前使用毒品的人的类型对于找到有效的干预战略至关重要。特别是对俄罗斯联邦来说，这是一个紧迫的问题，因为自90年代初苏联解体以来，俄罗斯联邦的药物滥用现象急剧增加。使用来自俄罗斯社交网络LiveJournal的独特数据，该网络在全球拥有超过3900万注册用户，我们首次能够通过使用已知与毒品相关的官方和“俚语”术语词典对用户博客进行上下文敏感的文本挖掘来识别在线毒品社区。通过比较最积极地在网络上传播毒品信息的用户的兴趣与在线毒品社区之外的个人的兴趣，我们发现，俄罗斯联邦的“平均”吸毒者通常对俄罗斯摇滚、非传统医学、不明飞行物、佛教、瑜伽和神秘学等主题最感兴趣。我们确定了三个不同的无标度子网络的用户可以被唯一地分类为“传染性”，“易感”或“免疫”。
2013-05-13 cs.SI physics.soc-ph
Detecting Dynamic Community Structure in Functional Brain Networks Across Individuals: A Multilayer Approach
Monash University Malaysia（马来西亚蒙纳士大学）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Xiamen University Malaysia（厦门大学马来西亚分校）
我们提出了一个统一的统计框架，用于表征大脑功能网络的社区结构，该网络捕获了个体之间的变化和随时间的演变。现有的社区发现方法只关注动态网络的单主题分析，而最近扩展到多主题分析仅限于静态网络。为了克服这些局限性，我们提出了一个多学科，马尔可夫转换随机块模型（MSS-SBM），以确定一组人的大脑社区组织的状态相关的变化。我们首先制定了一个多层扩展的SBM描述的时间依赖性，多学科的大脑网络。我们开发了一种新的程序，用于拟合多层SBM，建立在多层模块化最大化，可以同时发现一个共同的社区分区的所有层（科目）。通过增加一个动态马尔可夫切换过程，我们提出的方法是能够捕获一组不同的，经常性的时间状态相对于社区间的相互作用的主题和它们之间的变化点。仿真结果表明，准确的社区恢复和跟踪动态社区政权多层网络的MSS-SBM。应用于任务功能磁共振成像揭示了有意义的非重复性大脑社区图案，例如，核心-外围结构在群体水平，这是与语言理解和运动功能，表明他们在复杂的信息整合的假定作用。我们的方法检测到动态重新配置的模块化连接引起不同的任务需求，并确定了独特的配置文件内和社区间的连接在不同的任务条件。所提出的多层网络表示提供了一种原则性的方法来检测跨学科大脑网络中的同步，动态模块化。
2020-10-16 cs.LG eess.SP physics.soc-ph
A bi-directional approach to comparing the modular structure of networks
在这里，我们提出了一种新的方法来比较一对节点对齐网络的模块化结构。目前的大多数方法，如归一化互信息，比较两个节点分区来自社区检测算法，但忽略了各自的底层网络拓扑结构。为了解决这个问题，我们的方法部署了一个社区检测质量函数，以评估每个节点分区相对于其他网络的连接结构的适合度。具体来说，对于两个网络A和B，我们将B的节点划分投影到A的连通性结构上。通过评估网络A上B的划分相对于A自己的划分的拟合度（使用标准质量函数），我们量化了网络A对B的模块化结构的描述程度。在另一个方向上重复这个过程，我们得到一个二维距离度量，即双向（BiDir）距离。我们的方法的优势有三个方面。首先，它适用于寻求优化目标函数的广泛类别的社区检测算法。其次，它考虑了网络结构，特别是社区内部和社区之间的连接强度，因此可以捕获具有类似分区的网络之间的差异，但其中一个可能具有更明确或更强大的社区结构。第三，它还可以识别不同的最佳划分隐藏了两个网络的底层社区结构相对相似的事实的情况。我们说明了我们的方法的各种社区检测算法，包括多分辨率的方法，以及一系列的模拟和现实世界的网络。
2020-10-13 econ.GN physics.soc-ph q-fin.EC
Network connectivity during mergers and growth: optimizing the addition of a module
网络的邻接矩阵的主特征值$λ$通常决定网络上的动态（例如，在同步和传播过程中）及其一些结构属性（例如，对故障或攻击的鲁棒性），因此是网络连接“牢固”程度的良好指标。我们研究了如何通过添加模块或社区来修改$λ$，该模块或社区具有广泛的应用，从涉及单个修改的模块或社区（例如，将药物引入生物过程）到涉及重复添加的那些（例如，电网和交通发展）。我们描述了如何以最佳方式将模块连接到网络，以最大化或最小化$λ$中的移位，并注意到网络上的定向动态的几个应用。
2011-06-06 cond-mat.dis-nn cs.SI physics.soc-ph
The ring wants to be broken
Nodes & Links Ltd（节点与链接有限公司）
通过解析计算循环环晶格的最小网络规模，证明局部连接性足以使社区结构自然涌现，并精确确定了社区划分与无划分的转变点。
2026-07-03 cond-mat.dis-nn math.CO physics.soc-ph
Community detection by resistance distance: automation and benchmark testing
异质性是真实世界网络的特征，其中节点显示出广泛的不同拓扑特征。然而，节点也倾向于组织成社区--节点的子集，它们之间的连接稀疏，但内部连接密集（超过网络的平均连接）。这意味着属于同一社区的节点通过某种距离度量彼此接近，例如电阻距离，这是考虑所有可能路径的任何节点对之间的有效距离。在这项工作中，我们提出了自动化（即，无监督）和最近提出的基于电阻距离的半监督社区检测算法的缺失准确性测试。准确性测试涉及量化我们的算法在从基准网络恢复已知合成社区方面的性能，其中我们给出了Girvan-Newman和Lancichinetti-Radicchi网络的结果。我们的研究结果表明，我们的算法属于准确的表演者。
2021-11-08 physics.data-an physics.soc-ph
Immunization of networks with community structure
在这项研究中，一种有效的方法来免疫模块化网络（即，具有社区结构的网络）。网络免疫的目的是将网络分割成具有少量删除节点的小部分。它的应用包括防止流行病传播，故意攻击网络和保护生态系统。尽管枢纽的优先免疫是有效的，但模块化网络的良好免疫策略尚未建立。在基于特征向量中心性的免疫策略的基础上，我们提出了一个免疫模块化网络的分析框架。为此，我们量化的贡献，每个节点的粗粒度网络模块之间的连接。通过将该方法应用于具有模块化结构的模型和实际网络，验证了该方法的有效性。
2009-12-17 cond-mat.dis-nn physics.soc-ph q-bio.PE
Modeling Risk Perception in Networks with Community Structure
我们研究了全球，地方和社区层面的风险认知的灭绝概率的疾病在几个模型的社交网络的影响。特别是，我们研究的传染进展作为一个易感染的易感（SIS）模型的几个模块化网络，形成了一定数量的随机和无标度社区。我们发现，在无标度网络中的进展是更快的比随机的具有相同的平均连通度。对于感知的作用，我们发现，在自己的邻居的感染水平的知识是最有效的属性在阻止疾病的传播，但在同一时间更昂贵的所需信息的数量方面，因此成本/效益最佳是几个参数之间的权衡。
2012-12-04 cs.SI physics.soc-ph
Loss of community identity in opinion dynamics models as a function of inter-group interaction strength
最近的技术变革增加了世界各地个人之间的联系，导致社区成员之间更频繁的互动，否则这些社区成员将是遥远和孤立的。本文探讨了互动社区的意见动态模型，并研究了互动频率的增加如何影响社区保持独特身份的能力，而不是陷入共识或两极分化的状态，社区身份丢失。我们还研究了意见噪音的影响（如果有的话），与个人在同质群体中主张自己个性的倾向有关。我们的工作建立在我们以前开发的模型上[11]，其中意见变化的动态是基于个体相互作用的，这些相互作用试图根据人口中意见之间的差异来最小化一些能量潜力。
2020-01-10 cs.SI physics.soc-ph q-bio.PE
A generalised significance test for individual communities in networks
许多经验网络具有社区结构，其中节点在每个社区内密集互连（即，一组节点）并且稀疏地跨越不同的社区。像其他的局域和中尺度网络结构一样，社区通常在各个方面都是异质的，例如规模，边缘密度，与其他社区的连接和重要性。在本研究中，我们提出了一种方法来统计测试在给定的网络中的单个社区的显着性。与以前的方法相比，本算法的独特之处在于，它接受不同的社区检测算法和相应的质量函数的单个社区。本方法要求每个社区的质量可以被量化，并且社区检测被执行为在社区上求和的这种质量函数的优化。各种社区检测算法，包括模块化最大化和图划分满足这一标准。我们的方法估计随机网络的质量函数的分布，以计算给定网络中每个社区的可能性。我们说明我们的算法合成和经验网络。
2018-05-09 cs.SI physics.soc-ph
Deep Community Detection
图中的深度社区是一个连接的组件，只有在从图的其余部分删除节点或边后才能看到。本文将检测深度社区的问题表述为多阶段节点移除，在每个阶段最大化一个新的中心性度量，称为局部Fiedler向量中心性（LFVC）。LFVC与代数连通性对节点或边移除的敏感性相关联。我们证明了一个贪婪的节点/边缘删除策略，连续最大化的LFVC的基础上，有界的性能损失相对于最佳的，但棘手的，组合批量删除策略。在一个随机块模型框架下，我们证明了贪婪LFVC策略可以在观测数量变大时以概率1提取深度社区。我们将贪婪LFVC策略应用于现实世界的社交网络数据集。与传统的社区发现方法相比，我们证明了改进的能力，以确定网络中的重要社区和关键成员。
2015-07-15 cs.SI physics.soc-ph
Shaping Communities out of Triangles
社区发现在生物学、社交网络、网络流量分析等领域有着重要的应用价值，是图数据采掘领域的研究热点之一。建议塑造社区的指标是通用的，并遵循两种方法：最大限度地提高这些社区的内部密度或减少内部顶点与社区外的连接。然而，这些指标将边缘作为一个集合，而不考虑社区中边缘的内部布局。我们定义了一组面向社交网络的属性，以确保社区具有凝聚力，结构化和良好的定义。然后，我们提出了加权社区聚类（WCC），这是一个基于三角形的社区度量。我们证明，分析社区的三角形社区，满足所列的属性集，在以前的指标。最后，我们的实验表明，WCC正确地捕捉社区的概念，在社交网络使用真实的和合成的数据集，并统计比较一些最相关的社区发现算法在最先进的。
2012-07-26 cs.SI physics.soc-ph
Tunable and Growing Network Generation Model with Community Structures
近年来，人们对社交网络的建模和仿真越来越感兴趣，以了解一些社会现象。小世界网络和无标度网络是两类重要的网络，它们的研究引起了人们的广泛兴趣。社交网络的另一个重要特征是社区结构的存在。许多社会过程，如信息扩散和疾病流行依赖于社区结构的存在，使其成为网络生成模型的一个重要属性。在本文中，我们提出了一个可调的和增长的网络生成模型，具有小世界和无标度特性，以及社区结构的存在。该模型的主要贡献是，由此创建的社区满足三个重要的结构特性：每个社区内的连接遵循幂律，社区有高的聚类系数和层次社区结构存在于使用该模型生成的网络。此外，该模型是高度鲁棒的，能够产生具有许多不同的拓扑特征的网络，不同的聚类系数和簇间边缘。我们的模拟结果表明，该模型产生的小世界和无标度网络，以及描绘现实世界的社会和社交网络的社区的存在。
2014-10-31 cs.SI physics.soc-ph
Structural transitions induced by adaptive rewiring in networks with fixed states
Max Planck Institute for the Physics of Complex Systems（马克斯·普朗克复杂系统物理研究所）；School of Physical Sciences & Nanotechnology, Universidad Yachay Tech（亚查伊科技大学物理科学与纳米技术学院）；Institute for Cross-Disciplinary Physics and Complex Systems, UIB-CSIC（巴利阿里岛大学-西班牙国家研究委员会交叉物理与复杂系统研究所）
研究通过适应性重 wiring 引发网络结构转变，揭示同质性和异质性对网络拓扑的影响，发现中等同质性下形成社区结构，极端情况下则出现碎片化或随机网络。
2026-01-22 nlin.AO physics.soc-ph
A Map Equation with Metadata: Varying the Role of Attributes in Community Detection
大部分社区发现文献研究的是结构化社区，即仅由网络的连接模式定义的社区。通常，网络包含可以通知社区发现的附加元数据，诸如高中社交网络中的学生的年级和性别。在这项工作中，我们引入了一个调整参数的内容地图方程，允许用户的信息地图社区发现算法来控制元数据的相对重要性，以确定网络结构。在合成网络上，我们表明，我们的算法可以克服结构检测能力的限制时，元数据是良好的社区结构对齐。在现实世界的网络中，我们展示了我们的算法如何实现更大的互信息的元数据在传统的地图方程的成本。我们的调优参数，就像显微镜的聚焦旋钮，允许用户对社区进行“放大”和“缩小”，并对元数据进行不同程度的关注。
2019-09-22 cs.SI physics.data-an physics.soc-ph
On community structure validation in real networks
社区结构是真实网络的一个常见特征。该术语指的是网络中存在的节点组（社区），这些节点具有高度的内部连接性，但彼此之间的连接很差。虽然社区检测的问题已经在几个工作中得到解决，验证一个分区的节点作为一个良好的社区结构的一个真正的网络的问题已经收到相当少的关注，仍然是一个悬而未决的问题。我们提出了一组指数的社区结构验证网络分区的基础上的假设检验程序，评估社区之间和社区内的链接的分布。使用模拟和真实数据，我们说明了如何建议的指数可以用来比较在一个给定的网络中的社区结构的节点的不同分区的充分性，以评估是否两个网络共享相同或相似的社区结构，并评估不同的网络聚类算法的性能。
2021-10-06 cs.SI physics.soc-ph stat.AP
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
Joint community and anomaly tracking in dynamic networks
大多数真实世界的网络表现出社区结构，其特征在于存在节点簇，其边内连接性强于属于不同簇的节点之间的边连接性。除了有助于更好地理解网络行为，社区检测在不同的环境中发现了许多实际应用。在线社交网络中的社区表明共享的功能角色，或隶属于共同的社会经济地位，了解这一点对于有针对性的广告至关重要。在买方-卖方网络中，社区检测有助于更好地推荐产品。不幸的是，社区分配的可靠性受到异常用户行为的阻碍，这些异常用户行为通常被视为不公平的自我推销，或为促进欺诈而创建的“虚假”高连接帐户。本文提出了一种新的方法，用于联合跟踪社区，同时检测时变网络中的异常节点。通过假设边的产生是节点对共同参与社区的结果，提出了一种通过稀疏离群矩阵捕获异常成员关系的动态因子模型。有效的跟踪算法，适用于在线和分散操作。在合成和真实网络时间序列上进行的实验成功地揭示了潜在的社区和异常节点。
2015-06-25 cs.SI physics.soc-ph stat.ML
A generative model for community types in directed networks
本文提出一种网络演化生成模型，可复现有向网络中四种成对社区类型，通过平均场解揭示了模型参数对社区关系的影响，阐明了不同社区类型转变的机制及观测背后的原理。
2024-05-23 cs.SI physics.soc-ph
Robustness of community structure under edge addition
本文通过随机与定向边添加场景，结合四种社区检测算法和相似性指标，评估合成及经验时序网络中社区结构的鲁棒性，证明其受初始划分、添加方式、指标和算法选择影响。
2023-11-02 cs.SI physics.soc-ph
Extinction-induced community reorganization in bipartite networks
我们研究了双向互惠网络的社区结构在动态环境中的变化。首先，我们考虑一个真正的互惠网络，并根据几种情况介绍灭绝事件。我们将删除建模为节点或交互删除。对于节点移除，我们考虑随机、有向和顺序的移除;对于交互移除，我们考虑随机的移除。二分网络重组表明，随着灭绝事件的增加，有效模块度增加，物种在原始群落中的持久性迅速下降。第二，我们比较了一个真正的互惠网络的增长的二分网络模型的防御。模块度达到一个固定值，节点加入网络后保持在同一社区。我们的研究结果表明，扰动和破坏性事件影响的互惠网络在中尺度水平上的连接模式。在某些情况下观察到的有效模块化的增加可以为剩余的生态系统提供一些保护。
2019-05-30 nlin.AO physics.app-ph physics.soc-ph
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
Latent Geometry Inspired Graph Dissimilarities Enhance Affinity Propagation Community Detection in Complex Networks
Technische Universität Dresden（德累斯顿工业大学）
仿射传播是高维特征空间数据聚类的一种有效的无监督模式识别算法。然而，无数的尝试，以测试其性能的社区发现在复杂的网络中已经取得的结果非常远离国家的最先进的方法，如Infomap和Louvain。然而，所有这些研究都认为，关键问题是将未加权的网络拓扑转换为“足够智能”的节点相异性矩阵，该矩阵能够正确地解决亲和传播聚类背后的消息传递过程。在这里，我们介绍了一个概念上的创新，我们讨论了如何利用网络潜在的几何概念，以设计相似性传播社区发现的相异性矩阵。我们的研究结果表明，潜在的几何启发相异度的措施，我们设计带来的亲和传播等于或优于当前最先进的方法社区发现。考虑到合成的“真实”网络（具有已知的地面真实社区）和真实网络（具有社区元数据），即使数据结构被丢失或虚假连接人为引起的噪声破坏，这些发现也得到了可靠的证明。
2018-08-29 cs.LG cs.SI physics.soc-ph
Community as a Vague Operator: Epistemological Questions for a Critical Heuristics of Community Detection Algorithms
本文将网络科学中的“社区”概念界定为边界对象变体的“模糊算子”，梳理社区研究谱系并分析Louvain算法应用争议，提出接纳片面性与反身性的社区检测批判性启发式框架。
2025-09-02 cs.CY cs.SI physics.soc-ph
Community Structures, Interactions and Dynamics in London's Bicycle Sharing Network
自行车共享计划是一种交通系统，不仅在拥挤的城市地区提供有效的交通方式，而且还改善了与公共交通和当地交通的最后一英里连接。全球各地的自行车共享计划产生了详细的空间和时间维度的出行数据集，通过适当的挖掘和分析，这些数据集揭示了有关城市交通模式的宝贵信息。在本文中，我们研究了伦敦自行车共享数据集，以探索社区结构。使用一种新的聚类技术，我们得出独特的行为模式，并评估社区的互动和时空动态。分析揭示了模仿伦敦物理结构的独立，相互关联和混合集群。随着时间的推移，我们发现地理上孤立和专业化的社区是相对一致的，而其余的系统表现出波动性，特别是在上下班高峰期。通过增加我们对自行车共享用户集体行为的理解，这种分析支持政策评估，运营决策，并激励基础设施设计和管理的改进。
2018-08-16 cs.CY cs.SI physics.soc-ph
Heterogeneity of Global and Local Connectivity in Spatial Network Structures of World Migration
我们将世界移民视为通过人口流动连接的国家社会空间网络。我们评估全球、区域和地方尺度的多边移民关系如何共存（“全球本地化”）、分化（“极化”）或形成一个相互关联的全球系统（“全球化”）。为了做到这一点，我们将世界移民网络（WMN）分解为社区-具有比预期更密集的移民连接的国家集-并描述其本地模式（即，内部性）和全球性（即，社区间）连通性。我们区分社区签名-“洞穴”，“双区域”，和“桥接”-与不同的迁移模式，空间网络结构，时间动态，和潜在的前因。洞穴群落是紧密结合的，持久的结构，倾向于在相邻国家之间引导当地移民;双区域群落可能会合并两个不同地理区域之间的移民（例如，北非和欧洲）;桥接社区有中心辐射结构，往往是从全球范围的运动中动态出现的。我们发现，世界移民既不是全球互联，也没有复制的地理边界绘制在世界地图上，但涉及到一个异质的相互作用的全球和地方的趋势在不同的网络区域。我们讨论了我们的研究结果对低估当今全球跨国流动模式和移民机会的变化的影响。
2016-03-28 cond-mat.dis-nn cs.SI nlin.AO
