Sep, 2011

以马尔可夫动力学作为多尺度社区检测的放大镜：非类团社区和视野限制

PDF
TL;DR通过采用动态视角和马尔可夫过程，本文展示了长程社群结构的检测。这一新颖方法使得算法可以检测所有尺度上的社群结构，不需要强行设定一个上限，从而避免了由于尺度设置不当导致的社群过度划分问题。
community detectioncomplex networksdynamical perspectivemarkov processclique-like communities
发现论文，激发创造
  • 随机漫步，马尔可夫过程和复杂网络的多尺度模块化组织

    该论文提出了一种基于 Markov Stability 的动态社区检测框架，该框架可以通过时间参数化函数自动查找在不同分辨率下的社区结构，并且能够高效地在大型网络中应用。

    Feb, 2015

  • 本地化思维，本地化行动：大型网络中小型、中型和大型社区的检测

    研究网络的 meso-scale 特征，使用不同的 community-identification 程序，比较不同的 community 大小，识别多个 size-resolved 的 community 结构，并提出局部偏置方法比全局 community-detection 方法更实用，同时也强调 better benchmark 网络的重要性。

    Mar, 2014

  • 网络中的拉普拉斯动态与多尺度模块结构

    本文介绍了网络划分的稳定性，一种动态过程的质量测量方法，能够以不同的分辨率发现社区结构。通过 Laplacian 动力学与社区检测的联系，我们建立了动态动机稳定性度量，并将其应用于不同网络的多尺度分区中，表明稳定性可以用当前算法的扩展版本有效地计算大规模网络。

    Dec, 2008

  • 一个基于动力学的框架用于社区检测中的图分割稳定性

    该研究论文旨在探讨一种基于动力学的社区检测方法，并结合已有的启发式方法，提出一个新的计算准则来解释社区结构的不同方面和问题。

    Aug, 2013

  • 图形社区在时间尺度上的稳定性

    通过对图中 Markov 过程的聚类自协方差进行定义，我们认为一个分区的质量可以用其稳定性来衡量，因为该稳定性与图的时间尺度有本质关联，它允许我们在不同时间段对分区进行比较和排名，并建立一种层次化的越来越粗放集群的内在分辨率参数。

    Dec, 2008

  • 网络社区检测的高效和原则性方法

    描述了一种基于分布式网络模型的重叠社区检测方法，使用了快速的期望最大化算法对数百万节点的网络进行分析，可用于提取非重叠的社区划分。

    Apr, 2011

  • 未知社区数量的概率社区检测

    本文提出了一种基于贝叶斯非参数技术的概率框架，用于同时估计群体数量和群体结构的网络分析问题，提出了一种有效的 MCMC 算法，并在合成数据和基准真实数据集上展示了其优异性能。

    Feb, 2016

  • 大规模网络中社群的快速展开

    利用基于模块度优化的启发式算法提取大型网络的社群结构，并且证实它的优越性和精准性在比利时移动电话网络和超过 10 亿个链接的网络图中得到了很好的效果。

    Mar, 2008

  • 复杂网络中重叠和分层社区结构的检测

    本研究介绍了一种基于适应度函数本地优化的算法，能够发现复杂网络中的社区结构、嵌套社区和重叠社区，可以通过调整参数来探索不同层次的组织结构水平。在真实网络和人工网络上进行了测试，取得了优异的结果。

    Feb, 2008

  • 社区检测中的分辨率极限

    本研究发现模块度优化在网络分区时可能无法识别一些小规模的模块，因此探讨在实际应用中的实际后果和解决方法。

    Jul, 2006