社区景观：一种确定重叠网络模块层次结构、识别关键节点并预测网络动态的集成方法
计算物理
2010-09-06 v4 无序系统与神经网络
数学软件
数据分析、统计与概率
物理与社会
分子网络
摘要
背景：网络社区有助于复杂网络的功能组织和演化。然而，开发一种既快速又准确、能够提供异质网络模块重叠和划分的方法已被证明相当困难。方法/主要发现：本文引入了 ModuLand 这一新颖概念，它是一个集成方法族，将重叠网络模块确定为基于影响函数的中心性类型社区景观中的山丘，并将几种广泛使用的模块化方法作为特例包含在内。作为该方法族的不同适应性变体，我们开发了多种算法，能够高效分析加权和有向网络，并且能够：(1) 以高分辨率确定广泛重叠的模块；(2) 揭示详细的层次网络结构，从而实现对大型网络的高效缩放分析；(3) 确定关键网络节点；(4) 帮助预测网络动态。结论/意义：该概念为开发新方法和新应用（包括网络路由、分类、比较和预测）开辟了广泛的可能性。
引用
@article{arxiv.0912.0161,
title = {Community landscapes: an integrative approach to determine overlapping network module hierarchy, identify key nodes and predict network dynamics},
author = {Istvan A. Kovacs and Robin Palotai and Mate S. Szalay and Peter Csermely},
journal= {arXiv preprint arXiv:0912.0161},
year = {2010}
}
备注
25 pages with 6 figures and a Glossary + Supporting Information containing pseudo-codes of all algorithms used, 14 Figures, 5 Tables (with 18 module definitions, 129 different modularization methods, 13 module comparision methods) and 396 references. All algorithms can be downloaded from this web-site: http://www.linkgroup.hu/modules.php