时序网络社区统计推断中的社区规模偏差

在时间依赖（即时序）网络的研究中，研究人员经常考察社区的演化，社区是密集连接的节点集合，且与其他节点稀疏连接。统计推断是研究时序网络社区结构的一种日益突出的方法。在本文中，我们研究了一类用于时序网络社区检测的统计推断方法的性能。我们将时序网络表示为多层网络，每层编码一个时间步，并说明了通过社区分配上的均匀分布或离散时间 Markov 过程生成社区分配的统计推断模型，不利于生成具有极大或极小节点数的社区。特别地，我们证明了使用此类生成模型的统计推断方法在检测具有极大或极小社区的网络中的社区结构时往往表现不佳。为解决此问题，我们引入了一种新的统计模型，该模型利用前一层中的所有社区分配来生成给定层（即在给定时间）中节点的社区分配。我们证明了相关结果，保证我们的方法极大地缓解了对极大和极小社区的偏差，因此使用我们的生成模型有利于研究具有极大或极小社区的网络中的社区结构。我们的代码可在 https://github.com/tfaust0196/TemporalCommunityComparison 获取。