core-periphery structure is a common property of complex networks, which is a
composition of tightly connected groups of core vertices and sparsely connected
periphery vertices. This structure frequently emerges in traffic systems,
biology, and social networks via underlying spatial po
本文提出一种新的迭代算法，用于检测网络中的核心和边缘结构，利用非线性 Perron-Frobenius 理论技术，证明了在一个自然的离散优化问题的松弛版本下全局收敛于唯一的解。该算法的迭代成本在稀疏网络上随着节点数量的线性增长，使其可以用于大规模问题。我们从新的 logistic random graph model 的最大似然重排序的角度给出了算法的另一种解释，在判断核心 - 边缘检测算法方面也提供了一种新的基础。我们在一些合成和实际网络上展示了该算法，并证明它比当前的最先进技术具有优势。