克服社区检测评估中偏差的多策略方法

社区检测是理解复杂网络结构的关键。然而，针对该特定任务缺乏恰当的评估策略可能产生有偏且不正确的结果，从而使基于此类网络的进一步分析或应用失效。在此背景下，本文的主要贡献是一种在真实世界网络中检测社区时支持鲁棒质量评估的方法。在我们的方法中，我们使用捕获社区不同方面的多种策略。关于这些社区质量的结论基于所采用结构评估策略间的一致性，以及与被不同方法检测出的社区和已有真实标签的比较。以此方式，我们的方法使人能够克服网络数据、检测算法与评估指标中的偏差，从而就所检测社区的质量给出更一致的结论。在若干真实与合成网络上进行的实验提供了表明我们方法有效性的结果。