基于质量度量双变量映射的复杂网络社区结构实证刻画

社区发现作为网络介观结构发掘中的一项重要任务而出现。然而，“好”社区的概念高度依赖语境，且利用现有社区发现技术推导社区特征相对复杂。实际上，结构优度质量度量与期望拓扑模式之间的鸿沟给社区结构评估带来了困惑。本文中，我们引入对不同结构优度性质的实证多变量分析，以刻画若干可检测的社区拓扑。具体而言，我们展示由社区传递性与枢纽主导性这两个代表性结构维度组合可区分星形、团形、链形与网格形等不同拓扑。此外，这些拓扑类别与Erdős-Rényi、Watts-Strogatz和Barabási-Albert生成模型所建图的拓扑披露了结构邻近性。我们在一个由众多网络类别组成的大型数据集上，阐明不同发现方法识别出的流行社区拓扑，并将其结构与最相关的图生成模型相关联。有趣的是，这种联合表征揭示了通信、信息、生物、技术、社会、生态、合成网络等多类网络间介观结构的根本差异。