不同分辨率水平下复杂网络结构的分析

模块结构在现实世界的复杂网络中普遍存在，其检测具有重要意义，因为它能揭示结构与功能之间的关系。标准方法基于对质量函数——模块度——的优化，模块度是网络划分为模块的一种相对质量度量。最近一些作者[1,2]指出，模块度优化存在一个根本缺陷：存在一个分辨率极限，超过该极限即使模块可能具有自身实体性，也无法检测到任何模块结构。原因是网络的不同拓扑描述在不同尺度上共存，这通常是复杂系统的一个特征。在此，我们提出一种允许对模块结构进行多分辨率筛选的方法。该方法已使用合成网络进行验证，能够在所有尺度上发现预定义的结构。将其应用于两个真实社交网络，能够找到文献中报道的精确划分，以及实际划分之外的子结构。