A sequential algorithm for fast clique percolation
在复杂网络研究中，Palla等人引入了团渗流，是一种确定性社区检测方法，它允许重叠社区，并且纯粹基于网络的局部拓扑属性。在这里，我们提出了一个顺序集团渗透算法（SCP）做快速社区检测加权和未加权网络，集团的选定大小。该方法基于顺序地将组成链接插入到网络中，同时跟踪出现的社区结构。与现有算法不同，SCP方法允许在单次运行中以多个权重阈值检测k-团社区，并且可以同时产生分层社区结构的树状图表示。在稀疏加权网络中，SCP算法也可用于实现Farkas等人最近提出的加权团渗流方法。SCP算法的计算时间与网络中的k-团数成线性比例。作为一个例子，该方法被应用到一个产品关联网络，揭示其嵌套的社区结构。
2008-07-30 physics.soc-ph
A dual assortative measure of community structure
当前的社区检测算法通过优化称为模块化的统计来操作，该统计分析网络中正加权边缘的分布。模块化并不能解释负权重边。本文提出了一种结合正、负加权边的对偶独立模块性测度（DAMM）。我们描述了DAMM统计量，并说明其效用的社区检测算法。我们评估的计算机生成的和真实世界的网络上的算法的有效性，表明DAMM拓宽了域的网络，可以通过社区检测算法进行分析。
2008-01-21 physics.data-an physics.soc-ph
Significance-based community detection in weighted networks
社区发现是对网络中强连接节点进行分组的过程。许多非加权网络的社区发现方法都是基于零模型的。因此，通过这些方法发现的群落具有统计意义。在本文中，我们引入了一个空的加权网络称为连续配置模型。我们使用该模型作为社区发现的工具，并模拟加权网络与空节点。首先，我们提出了一个加权网络的社区提取算法，它结合了零值下的迭代假设检验。在加权随机块模型下，证明了边权和的中心极限定理及算法的渐近相合性。然后，我们将该算法在一个社区发现方法称为CCME。为了基准的方法，我们提供了一个模拟框架，将空植物“背景”节点加权网络社区。我们发现，CCME在这些模拟上的经验表现与现有方法具有竞争力，特别是当存在重叠的社区和背景节点时。为了进一步验证该方法，我们提出了两个现实世界的网络与潜在的背景节点，并分析它们与CCME，产生的结果，揭示了相应的系统的宏观特征。
2017-10-23 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
Detectability threshold in weighted modular networks
Center for Complex Networks and Systems Research, Luddy School of Informatics, Computing, and Engineering, Indiana University（印第安纳大学卢迪信息学、计算与工程学院复杂网络与系统研究中心）；School of Systems Science and Industrial Engineering, Binghamton University（宾汉姆顿大学系统科学与工程系）
研究加权模ularity网络中通过谱优化检测社区结构的可检测性阈值，发现权重分布对阈值有显著影响，Dirac分布产生最小阈值，指数分布增加阈值因子√2，其他分布则依赖平均值。
2026-01-30 physics.soc-ph
Community detection in bipartite networks using weighted symmetric binary matrix factorization
在本文中，我们提出了加权对称二进制矩阵分解（wSBMF）的框架来检测重叠社区的二分网络，其中描述了两种类型的节点之间的关系。我们的方法通过识别两种类型的缺失边缘之间的区别来提高性能--每个节点类型中的节点之间的边缘和两个节点类型之间的边缘。我们的方法还可以显式地分配社区成员资格，并将离群值与重叠节点区分开来，以及将网络上的现有知识结合起来。我们提出了一个广义的分区密度二分网络的质量函数，它确定了最合适的社区数量。在合成网络和真实网络上的实验结果证明了该方法的有效性。
2015-02-16 cs.SI physics.soc-ph
An edge density definition of overlapping and weighted graph communities
网络中的社区检测是指寻找内部连接强而外部连接弱的节点组的过程。在这项工作中，我们介绍和研究的社区定义的基础上，内部边缘密度。从一个简单的概念，边缘密度等于边缘数除以最大边缘数，我们应用这个定义的各种节点和社区的安排表明，我们的定义产生合理的结果。我们的社区定义相当于绝对波茨模型社区检测方法（Phys.Rev.E81，046114（2010）），该方法的性能验证了我们的定义在各种网络类型中的有用性。我们将讨论如何将此定义扩展到加权和多重图，以及如何定义能够处理重叠的社区和本地算法。我们进一步验证了我们的定义对最近提出的隶属图模型（arXiv：1205.6228 [cs.SI]），并表明我们可以精确地解决这些基准。除了提出一个最终的社区定义之外，我们还解释了研究社区定义的详细属性是如何重要的，以便验证定义不具有负分析属性。我们敦促社区定义从社区检测算法中分离出来，并建议通过这些标准进一步评估社区定义。
2013-01-14 cs.SI physics.soc-ph
Benchmarks for testing community detection algorithms on directed and weighted graphs with overlapping communities
许多复杂的网络显示出一种介观结构，其中节点组与该组中的其他节点共享许多链接，而与不同组的节点共享的链接相对较少。这个特征被称为社区结构，它编码了关于节点的组织和功能的宝贵信息。已经提出了许多算法，但尚不清楚如何测试它们。最近，我们提出了一般类的无向和无权的基准图，与异质分布的节点度和社区大小。越来越多的注意力最近一直致力于开发算法，能够考虑的方向和重量的链接，这需要合适的基准测试图。在本文中，我们扩展了我们之前的基准测试背后的基本思想，以生成具有内置社区结构的有向和加权网络。我们还考虑了节点属于更多社区的可能性，这是真实系统中出现的一个特征，例如，e。例如，在一个实施例中，社交网络。作为一个实际应用，我们展示了模块化优化如何在我们的新基准上执行。
2009-07-31 physics.comp-ph 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
Subject Access through Community Partnerships: A Case Study
学术交流的创新导致作者、出版商和图书馆的角色发生了变化。传统角色正在消失，玩家正在积极寻找或不情愿地承担新角色。图书馆的角色正在发生变化，因为它们参与了电子（e）存储库的建设和索引，并支持新的电子研究模式。SPIRES粒子物理数据库是图书馆运营的一项服务，它不仅经受住了电子出版和电子研究领域的许多转变，而且引领了这些转变。这是通过与其用户社区建立密切和深入的伙伴关系而实现的。所使用的策略和吸取的经验教训可以帮助其他图书馆在这个新环境中制定具有成本效益的角色。
2003-09-03 physics.hist-ph physics.soc-ph
A community role approach to assess social capitalists visibility 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。这些用户对服务来说是不健康的，因为他们要么是垃圾邮件发送者，要么是真正的用户，他们的影响力和可见度都是不好的。因此，研究他们的行为并了解他们在Twitter中的地位具有重要意义。还需要分析这些方法如何有效地影响用户可见性。基于最近提出的方法，允许识别社会资本家，我们解决这两点，通过研究他们是如何组织的，以及他们的链接如何在Twitter的追随者，追随者网络传播。为此，我们考虑他们在网络中的位置。它的社区结构。我们使用社区角色的概念，它描述了它在网络中的位置取决于它在社区级别的连通性。然而，最初定义的拓扑措施来表征这些角色只考虑某些方面的社区相关的连接，并依赖于一组经验固定的阈值。我们首先显示这些措施的局限性，然后扩展和推广它们。此外，我们使用一个无监督的方法来识别的角色，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于社会资本家的情况下，并显示他们是高度可见的Twitter上，由于他们持有的特定角色。
2015-06-15 cs.SI physics.soc-ph
A similarity-based community detection method with multiple prototype representation
社区对于理解社交网络中的图结构具有重要意义。一些现有的社区发现算法使用单个原型来表示每个组。在实际应用中，这可能无法充分模拟不同类型的社区，因此限制了社交网络上的聚类性能。针对这一问题，提出了一种基于相似性的多原型社区发现方法。在SMP中，每个社区中的顶点具有不同的权重来描述它们的代表性程度。这种机制使每个社区能够由多个节点表示。节点的中心性用于计算原型权重，而相似性用于指导我们划分图。计算机生成的和真实世界的网络上的实验结果清楚地表明，SMP执行良好的检测社区。此外，与现有的社区发现模型相比，该方法借助原型权值，能够提供更丰富的社区内部结构信息。
2015-08-25 cs.SI physics.soc-ph
The Network of Collaboration Among Rappers and its Community Structure
说唱歌手之间的合作所形成的社会网络研究使用标准的统计技术分析复杂的网络。此外，说唱音乐社区的社区结构分析使用一种新的方法，使用加权边缘，以确定哪些连接是最重要的，揭示了所有社区。这种方法的结果，以及可能的原因，说唱音乐社区的结构进行了讨论。
2006-01-19 physics.soc-ph
Degree-corrected distribution-free model for community detection in weighted networks
针对加权社交网络，提出融合节点度异质性的度校正无分布社区检测模型，配套谱聚类算法、一致性理论与广义模块度，实验证明其显著优于未校正方法。
2024-04-05 cs.SI physics.data-an physics.soc-ph
Demarcating Geographic Regions using Community Detection in Commuting Networks with Significant Self-Loops
我们开发了一种方法来识别具有高比例自循环权重的加权网络中的统计显著社区。我们使用这种方法来找到重叠的聚集美国县表示县间通勤作为一个加权网络。我们确定了三种类型的社区;非节点，节点和单子，这对应于不同类型的区域。研究结果表明，传统的区域划定，依赖于特设的阈值不占重要的和普遍的连接，远远超出预期的大都市边界或megalgions。
2020-03-26 cs.SI physics.soc-ph
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
Transient Behavior of Gossip Opinion Dynamics with Community Structure
本文研究具有两个社区和顽固智能体的流言意见动力学瞬态行为，通过推导意见二阶矩上界揭示相变现象，并刻画社区结构与顽固智能体对意见演化早期阶段的影响。
2023-12-05 cs.SY eess.SY physics.soc-ph
Unveiling community structures in weighted networks
简单图上的随机游走与电阻网络的连接导致马尔可夫链的定义与转移概率矩阵的电导。我们将这个定义扩展到一个有效的转移矩阵$P_{ij}$，以说明从顶点$i$到原始连通图$G$的任何顶点$j$的概率。此外，我们提出了一个算法的基础上定义的有效的过渡矩阵之间的顶点在网络中提取的拓扑特征有关的方式图$G$已组织。该拓扑特征对应于图中的社区。
2007-03-07 cond-mat.stat-mech physics.data-an physics.soc-ph
Mapping flows on weighted and directed networks with incomplete observations
在具有不完整观测的网络中检测重要的社区结构是具有挑战性的，因为特定解决方案的证据会随着数据的缺失而消失。例如，最近的研究表明，基于流的社区发现方法可以突出稀疏的无向和无权网络中的虚假社区与丢失的链接。目前的贝叶斯方法，以克服这个问题不工作的不完整的观察加权和有向网络，描述网络流。为了解决这一差距，我们扩展了贝叶斯估计的地图方程的无权重和无向网络，使更强大的社区发现加权和有向网络背后的想法。我们推导出一个加权和定向的先验网络，可以将元数据信息，并显示如何在社区检测方法Infomap提供更可靠的社区，即使有很大一部分数据丢失的有效实施。
2021-12-13 cs.SI physics.data-an physics.soc-ph
Community Detection in Directed Weighted Networks using Voronoi Partitioning
本文提出一种基于 Voronoi 划分的有向加权网络社区检测算法，可直接利用长度型边权重，并在脑网络、航空网络和基准网络上验证其有效性与效率。
2023-04-24 cs.SI physics.data-an physics.soc-ph
Analysis of community structure in networks of correlated data
我们提出了一个重新制定的模块化，允许相关数据的网络中的社区结构的分析。新的模块化保留了原始定义的概率语义，即使网络是有向的，加权的，有符号的，并且有自循环。这是在研究任何网络时可以找到的最普遍的条件，特别是那些从相关数据定义的网络。我们将我们的研究结果应用于一个真实的网络，在里昂市（法国）的商店之间的相关数据。
2009-03-16 physics.soc-ph
Distribution-Free Model for Community Detection
China University of Mining and Technology（中国矿业大学）
无权网络的社区发现在网络分析中得到了广泛的研究，但加权网络的情况下仍然是一个挑战。本文提出了一种通用的加权网络无分布模型（DFM），其中节点被划分为不同的社区。DFM可以看作是著名的随机块模型从非加权网络到加权网络的推广。DFM不需要邻接矩阵元素的特定分布的先验知识，而只需要期望值。特别地，具有潜在社区结构的签名网络可以由DFM建模。我们建立了理论保证，表明简单的谱聚类算法在DFM下稳定地产生一致的社区发现。我们还提出了一个四步数据生成过程，通过结合DFM，噪声矩阵和未加权网络模型来生成缺失边缘的邻接矩阵。使用模拟和真实数据集的实验，我们表明，一些基准算法可以成功地恢复社区成员所提出的数据生成过程中产生的加权网络。
2023-02-13 cs.LG cs.SI physics.soc-ph
Prisoner's Dilemma on community networks
本文引入了一个具有无标度特性的社区网络模型，并在此网络模型上研究了进化囚徒困境博弈。仿真结果表明，随着平均度$\bar{k}$的增加，合作者的出现频率逐渐降低.当我们保持总的联系（包括社区内和社区间的联系）不变时，减少社区间的联系可以促进合作。它也表明，网络的异质性并不总是增强合作和模式的所有顶点之间的连接在一个给定的度分布起着至关重要的作用，在网络模型中的合作优势。
2007-01-29 physics.soc-ph
The Role of Community Building and Education as Key Pillar of Institutionalizing Responsible Quantum
本文论证社区建设与教育是负责任量子计算制度化的关键支柱，并介绍IBM为构建多元化利益相关者社区以支持技术负责任发展所制定的策略。
2024-10-17 physics.soc-ph quant-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
Enhancing community detection using a network weighting strategy
网络中的社区是一组彼此紧密连接但与外部顶点连接较少的顶点。大型网络中的社区检测问题在计算机科学、生物学和社会学等广泛的研究领域中起着关键作用。大多数现有的算法来寻找社区依赖于网络的拓扑特征，并且通常不能很好地扩展到大型的现实生活中的实例。在这篇文章中，我们提出了一种策略，以提高现有的社区发现算法，增加了一个预处理步骤，边缘加权根据其中心w.r.t.网络拓扑。在我们的方法中，边的中心性反映了它对任意图横截的贡献，即，在网络上传播消息，尽可能短。我们的策略是能够有效地补充有关网络拓扑结构的信息，它可以被用来作为一个额外的工具，以提高社区发现。边中心性的计算是通过在网络上执行多个有界长度的随机游走来进行的。我们的方法使计算的边缘中心也可行的大规模网络。它已被测试结合三个国家的最先进的社区发现算法，即鲁汶方法，COPRA和OSLOM。实验结果表明，我们的方法提高了现有算法的准确性在合成和现实生活中的数据集。
2013-03-07 cs.DS cs.SI physics.soc-ph
A new method for quantifying network cyclic structure to improve community detection
网络中社区的一个显著特性是，社区内的循环比社区间的循环更普遍。因此，这些社区的检测可以通过结合循环结构的局部“丰富度”的测量来帮助。在本文中，我们引入更新非回溯随机游动（RNBRW）作为量化这种结构的一种方式。RNBRW为每条边赋予一个权重，该权重等于非回溯随机游走与该边完成一个循环的概率。因此，具有较大权重的边可以被认为对循环的形成更重要。值得注意的是，由于可以并行执行单独的随机游走，因此可以非常快速地估计RNBRW权重，即使对于大型图也是如此。我们给出的仿真结果表明，预加权边缘通过RNBRW可以大大提高常见的社区发现算法的性能。我们的结果表明，RNBRW对于检测稀疏图中的社区的挑战性情况特别有效。
2019-10-18 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
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
Complex Network Analysis in Cricket : Community structure, player's role and performance index
运用网络分析方法研究运动队成员之间的互动，并以国际板球比赛中击球手之间的互动为例进行分析。我们为不同的球队生成了击球伙伴关系网络（BPN），并确定了网络的聚类系数、平均度、平均最短路径长度的精确值，并与Erd \text{ö} s-R \text{é} nyi模型进行了比较。我们观察到，网络表现出小世界行为，本质上是离散的。我们发现，最有联系的击球手不一定是最中心的，最中心的球员不一定是一个高击球率。我们研究的BPN的社区结构，并确定每个球员的角色的基础上，社区间和社区内的联系。我们观察到，{ \it DG Bradman爵士}，被认为是板球历史上最好的击球手，并没有占据网络$-$的中心位置，所谓的连接器枢纽。我们扩展我们的分析，量化的性能，相对重要性和影响，从团队中删除一个球员，根据不同的中心性分数。
2013-05-25 cs.SI physics.data-an physics.soc-ph
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
Community Detection in Weighted Multilayer Networks with Ambient Noise
我们介绍了一种新的模型，多层加权网络，占全球噪声除了本地信号。该模型类似于多层随机块模型（SBM），但关键的区别在于，块之间的相互作用在整个系统中是常见的，我们称之为环境噪声。单个块也由这些固定的环境参数表征，以表示不属于其他任何位置的成员。这种方法允许同时将块聚类和类型化为信号或噪声，以便更好地理解它们在整个系统中的作用，这是现有块模型所不能解释的。我们采用了一种新的应用分层变分推理，共同检测和区分类型的块。我们把这种多层加权网络模型称为随机块（带）环境噪声模型（SBANM），并开发了一个相关的社区发现算法。我们将这种方法应用于费城神经发育队列中的受试者，以发现与精神病相关的并发精神病理学受试者的社区。
2022-07-24 cs.SI physics.soc-ph stat.AP
Followers Are Not Enough: A Question-Oriented Approach to Community Detection in Online Social Networks
在线社交网络中的社区发现通常基于对用户之间的显式连接（诸如Facebook上的“朋友”和Twitter上的“追随者”）的分析。但在线用户通常有数百甚至数千个这样的连接，其中许多连接并不对应于真正的友谊，或者更一般地说，与用户互动的帐户。我们认为，在线社交网络中的社区发现应该是面向问题的，并依赖于网络简单结构之外的额外信息。“社区”的概念非常普遍，不同的问题，如“我们与谁互动？“和“我们与谁有共同利益？“可以发现不同的社会群体。在本文中，我们专注于三种类型的社区结构社区：基于活动，基于主题，基于互动。我们使用三种不同的结构网络权重来分析Twitter数据集，以突出这三种社区类型，然后推断与这些权重相关的社区。我们表明，在三种加权情况下得到的社区是非常不同的，从社区只考虑未加权的结构网络。我们的研究结果证实，提出一个精确的问题是在线社交网络中社区发现不可避免的第一步，不同的问题可以导致对所研究网络的不同见解。
2014-08-19 cs.SI physics.soc-ph
Weighted Community Detection and Data Clustering Using Message Passing
基于相似性或权重将对象聚类是科学和工程中最重要的问题之一。本文通过扩展用于未加权社团检测问题的消息传递算法和谱算法，将社团检测问题映射到自旋玻璃转变的临界温度的Potts模型，并利用置信传播算法求解Boltzmann分布的边缘，发展了一种基于统计物理的非参数社团检测方法.我们的算法对过拟合是鲁棒的，并给出了一种原则性的方法来确定数据中是否存在显著的聚类以及有多少聚类。我们将我们的方法应用于不同的聚类任务，并使用大量的数值实验来说明我们的方法比现有算法的优势。在加权和有向网络的社区检测问题中，我们证明了我们的算法明显优于现有的算法。在聚类问题中，当数据是由混合模型在稀疏制度，我们表明，我们的方法的工作原理的理论极限的可检测性，并给出非常接近的最佳贝叶斯推断的准确性。在半监督聚类问题中，我们的方法只需要几个标签就可以在经典数据集中完美工作。最后，我们进一步发展了Thouless-Anderson-Palmer方程，它大大降低了密集网络中的计算复杂度，但给出了与置信传播几乎相同的性能。
2018-01-30 cs.SI physics.soc-ph stat.ML
The Community Structure of the Global Corporate Network
我们研究了跨国公司全球所有权网络的社区结构。我们在社区中发现了一种明显的组织，这种组织不能用随机性来解释。尽管这一网络具有全球性质，但社区首先反映了公司的地理位置，而工业部门只起着边缘作用。我们还分析了网络中的节点是社区和链接是通过聚合属于社区对的企业之间的链接。我们分析了前50个社区的网络中心性，并首次对金融业在连接全球经济中的作用进行了定量评估。
2013-01-11 physics.soc-ph q-fin.GN
The Role of Emotions in Contributors Activity: A Case Study on the GENTOO Community
我们分析了开源软件项目Gentoo中贡献者的情绪和活动之间的关系。我们的案例研究建立在项目的错误跟踪平台Bugzilla的大量数据集之上，以量化贡献者的活动，以及其邮件档案，通过情感分析量化贡献者的情感。Gentoo项目以其bug分类社区的集中化而闻名。在中央缴款人突然退休之后，社区组织和业绩发生了很大变化。我们分析了这一事件如何与负面情绪相关，无论是在双边电子邮件讨论与中央贡献者，并在整个社区的贡献者的水平。然后，我们将我们的研究扩展到考虑Gentoo贡献者的活动模式。我们发现，贡献者更有可能变得不活跃时，他们表达强烈的积极或消极的情绪在错误跟踪器，或者当他们偏离预期值的情绪在邮件列表中。我们使用这些见解来开发贝叶斯分类器，检测贡献者离开项目的风险。我们的分析为通过情感分析测量在线贡献者动机和实时预测开源软件项目中的贡献者流动率开辟了新的视角。
2013-06-20 cs.SE physics.soc-ph
Participation and Privacy perception in virtual environments: the role of sense of community, culture and sex between Italian and Turkish
信息和通信技术的进步增强了我们在世界范围内进行交流的可能性，消除了边界，使我们能够与来自其他文化的人进行前所未有的互动。这些强大的工具使我们重新考虑我们的隐私和社会参与的概念，以便使它们适应这个更广泛的环境。可以说，信息和通信技术革命正在改变我们的世界，并作为社会运动的调解因素发挥核心作用（例如，阿拉伯之春）和政治决定（例如，Brexit），以更快、共享的全新方式塑造世界。然后，有趣的是，探索这种全新的环境（在社会参与，隐私感知和社区归属感方面）的感知如何不同，即使在最近的历史原因分离的类似文化中，例如在意大利和土耳其文化中。
2016-07-22 cs.CY cs.SI physics.soc-ph
Community detection in weighted brain connectivity networks beyond the resolution limit
图论为研究脑功能连接网络及其模块组织提供了一个强有力的框架。然而，大多数基于图的方法都受到基本分辨率限制的影响，这可能会影响以前的研究，并阻止检测小于特定尺度的模块或社区。Surprise是一个基于离散概率理论的无分辨率限制的函数，最近被引入并应用于大脑网络，揭示了功能模块的广泛尺寸分布，与许多以前的报道相反。然而，Surprise的使用仅限于二进制网络，而大脑网络本质上是加权的，反映了不同大脑区域之间连接强度的连续分布。在这里，我们提出了渐近惊喜，惊喜的连续版本，加权大脑连接网络的研究，并验证这种方法在合成网络赋予地面真理模块化结构。我们比较渐近惊喜与领先的社区检测方法目前正在使用，并显示其优越的灵敏度，即使在存在噪声和受试者间的变异性，如在功能磁共振成像数据中观察到的小模块的检测。最后，我们将我们的新方法应用于静息态fMRI实验中的功能连接网络，并展示了一个异构的模块化组织，具有跨越多个尺度的广泛分布的集群。
2016-09-14 physics.soc-ph q-bio.NC q-bio.QM
Using Triangles to Improve Community Detection in Directed Networks
在图中，社区可以被松散地定义为彼此连接比与图的其余部分连接更紧密的一组节点。虽然有各种各样的指标可用于指定给定社区的质量，但一个共同的主题是流往往停留在社区内。因此，我们期望周期在社区发现中发挥重要作用。对于无向图，三角形--无向3圈--的重要性早已为人所知，可以用来改进社区发现。在有向图中，情况更加微妙。最小的循环仅仅是具有相互连接的两个节点，并且使用关于相互连接的信息已被证明可以改进社区发现。我们的新想法是基于四种包含循环的有向三角形。为了识别有向网络中的社区，然后，我们提出了一个无向边加权方案的基础上的类型的有向三角形中的边缘参与。我们还提出了一个新的衡量标准的质量的社区，是基于3个周期的数量，是跨社区分裂。为了证明我们的新权重的影响，我们使用标准的METIS图划分工具来确定社区，并通过实验表明，由此产生的社区导致更少的3-循环被切割。效果的大小在10%到50%之间变化，我们还发现证据表明，这种加权方案改善了一项任务，其中可信的地面真相社区是已知的。
2014-04-23 cs.SI physics.soc-ph
Mixed membership distribution-free model
School of Economics and Finance, Chongqing University of Technology（重庆理工大学经济金融学院）
本文提出混合隶属分布自由模型，用于重叠加权网络社区检测，并设计谱算法、模糊加权模块度及社区数量确定方法，通过模拟和实际数据验证其有效性。
2024-04-05 cs.LG cs.SI 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
What is the Expected Transient Behavior of Opinion Evolution for Two Communities?
本文分析双社群加权图上 gossip 观点模型的早期瞬态行为，揭示社群内外边权重关系如何决定预期状态围绕局部或全局初始平均观点集中。
2023-04-24 cs.SI cs.SY eess.SY
Fast extraction of the backbone of projected bipartite networks to aid community detection
本文介绍了一种计算成本低的方法，提取的骨干映射到二分网络的单模网络。我们发现，在一个模式的投影的边缘权重分布根据泊松二项分布，并找到预期的权重分布的一个模式的网络从一个随机的二分网络投影只需要知识的二分度分布。能够提取投影的主干非常有利于过滤掉大型复杂网络中的冗余信息，并将单模式投影中的信息缩小到最相关的信息。我们证明了一个模式的投影艾滋病的检测社区的骨干。
2016-03-21 cs.SI physics.soc-ph
SGPD Volume Maximization for Community Detection
在这篇笔记中，我们简要地研究了在复杂网络中使用外围顶点进行社区检测的可行性。我们的方法提出了一个新的方向公理化的问题，聚类图和复杂的网络，通过查看每个顶点在社区结构中发挥的拓扑作用，无论属性。伪外围顶点作为复杂网络分析的杠杆的有前途的力量也证明了对现实世界的数据。
2015-11-04 cs.SI physics.soc-ph
Characterizing the community structure of complex networks
社团结构是复杂网络的重要性质之一，对网络的拓扑结构和功能起着至关重要的作用。虽然在社区检测问题上已经做了大量的工作，但到目前为止，很少有人关注真实网络中的社区调查。我们提出了一个系统的经验分析的统计特性的社区在大型信息，通信，技术，生物和社交网络。我们发现，相同类别的网络的介观组织是非常相似的。这反映在社区结构的几个特征中，这些特征可用作特定网络类别的“指纹”。虽然社区规模分布总是很广，但某些类别的网络主要由树状社区组成，而其他类别的网络则具有更密集的模块。社区内的平均路径长度最初随社区规模的增长而增长，但当社区大于特征规模时，增长饱和或放缓。这种行为与社区内存在的枢纽有关，其作用因类别而异。此外，节点的社区嵌入性（以其社区内链接的比例来衡量）对于每个类别都有一个特征分布。我们的研究结果是通过使用两种根本不同的社区检测方法进行验证的。
2010-05-24 cs.IR physics.soc-ph
A Random Dot Product Model for Weighted Networks
本文提出了一个推广的随机点积模型的网络，其边的权重是从一个参数化的概率分布。我们专注于整数权重边缘的情况下，许多以前研究的模型可以恢复为这种推广的特殊情况。我们的模型还确定了一个维度-减少嵌入过程，给出了几何解释的社区结构和中心。嵌入的尺寸有后果的衍生社区结构，我们表现出的压力函数，以确定适当的尺寸。我们使用这种方法来分析来自美国参议院的合著网络和投票数据。
2016-11-08 cs.SI physics.soc-ph stat.AP
Community detection and role identification in directed networks: understanding the Twitter network of the care.data debate
随着社交媒体作为辩论和讨论公共事务的重要渠道的兴起，推特等在线社交网络已成为公共信息和决策者参与的重要平台。为了通过Twitter进行有效沟通，政策制定者需要了解影响力和兴趣如何在其用户网络中传播。在这一章中，我们使用图论方法来分析围绕NHS英格兰的有争议的care.data计划的Twitter辩论。方向性是Twitter社交图的一个重要特征--信息从追随者流向追随者--但在社会网络分析中经常被忽略;我们的方法基于网络上动态过程的行为，可以自然地应用于有向网络。我们发现了强大的用户社区，并表明这些社区反映了信息如何通过Twitter网络流动。我们还可以根据用户在引导网络信息流中的不同角色对他们进行分类。我们的方法和结果将是有用的政策制定者谁想要有效地使用Twitter作为一种沟通媒介。
2015-08-13 cs.SI physics.soc-ph
Consistent Community Identification in Complex Networks
我们已经发现，已知的社区识别算法产生不一致的社区时，节点排序的变化在输入。我们提出了两个指标来量化算法多次运行的一致性水平：成对成员概率和一致性。基于这两个指标，我们解决了一致性问题，而不损害模块化。我们的解决方案使用成对的成员资格概率作为链接权重，并在六个或更少的周期内生成一致的社区。它为研究群落结构及其演化提供了一种新的工具。
2009-10-10 physics.data-an physics.soc-ph
A new measure for community structures through indirect social connections
基于专家系统的方法，社区发现的问题可以被概念化为网络的聚类模型。在此基础上，可以通过聚类系数来测量社区结构，该聚类系数是由节点周围现有三角形的数量与可以假设构建的三角形的数量之比生成的。本文在三角形的广义定义下，给出了加权网络聚类系数的新定义。具体来说，一个新的概念，三角形的基础上，假设，如果两个弧的总重量是足够强，可以诱导之间的链接不常见的节点。除了这种广义三角形在社会背景下的直观意义之外，我们还探索了它们对洞察底层网络拓扑结构的有用性。500个商业美国机场的标准网络和秀丽隐杆线虫的神经系统的实证实验支持的理论框架，并允许我们的建议和标准定义的聚类系数之间的比较。
2018-06-21 cs.SI 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
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
The rise and fall of WallStreetBets: social roles and opinion leaders across the GameStop saga
本研究通过迭代半监督分类算法分析GameStop逼空事件前后WallStreetBets社区的用户社会角色，揭示意见领袖特征及事件后社区影响力下降的原因。
2024-03-09 cs.CY physics.soc-ph
Beyond Individual Influence: The Role of Echo Chambers and Community Seeding in the Multilayer three state q-Voter Model
Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）
研究揭示多层三态q-投票模型中回音室与社区播种的影响机制，指出拓扑熵最大化优于局部集群强化，VoteRank在复杂传染中表现更优。
2026-02-20 cs.SI physics.soc-ph
Evolving Models for Meso-Scale Structures
现实世界的复杂网络是无标度的，具有核心-外围和社区结构等中尺度特性。我们研究的核心随着时间的推移，在现实世界的网络。本文提出了具有局部和全局核心-外围以及社团结构的未加权和加权无标度网络的演化模型。网络通过拓扑增长、自增长和权值分布函数进行演化。为了验证所提出的模型的正确性，我们使用K壳和S壳分解方法。仿真结果表明，生成的未加权网络服从幂律度分布，具有下垂头和厚尾。类似地，生成的加权网络遵循度、强度和边权重幂律分布。我们进一步研究了复杂网络的其他性质，如聚类系数、最近邻度和强度度相关性。
2015-11-29 cs.SI physics.soc-ph
