网络中的异常、互惠与社区检测
社会与信息网络
2023-09-22 v1
摘要
异常检测算法是网络科学中识别网络中异常模式的宝贵工具。这些算法具有众多实际应用，包括检测欺诈、识别网络安全威胁以及揭示数据集中的重要交互。在本项目中，我们提出一种概率生成方法，将社区成员身份与互惠性作为驱动网络中常规行为的关键因素，可用于识别偏离预期模式的潜在异常。我们利用精确的双边联合分布对网络中的边对进行建模。因此，我们的方法捕捉了边对之间的精确关系，并提供了对社会网络更全面的视角。此外，我们的研究突出了互惠性在网络分析中的作用，并可指导未来模型与算法的设计。我们还开发了利用网络稀疏性的高效算法实现。
引用
@article{arxiv.2302.00504,
title = {Anomaly, reciprocity, and community detection in networks},
author = {Hadiseh Safdari and Martina Contisciani and Caterina De Bacco},
journal= {arXiv preprint arXiv:2302.00504},
year = {2023}
}