通过有符号政治协作网络的最优划分检测联盟
社会与信息网络
2020-01-22 v3 最优化与控制
物理与社会
摘要
我们提出将有符号图最优划分为凝聚群组的新数学规划模型。为展示该方法的效用，我们将其应用于识别自 1979 年以来美国国会中的联盟，并考察极化联盟对法案通过效率的影响。我们的模型对最小化组内负边与组间正边总数的 NP 难问题给出全局最优解。我们通过提供上下界来处理稠密有符号网络的密集计算，进而求解一个优化模型以缩小两界间隙并返回顶点的最优划分。我们的实质性发现表明，意识形态同质联盟（即党派极化）的主导地位可作为一种增强立法效能的保护因素。
引用
@article{arxiv.1906.01696,
title = {Detecting coalitions by optimally partitioning signed networks of political collaboration},
author = {Samin Aref and Zachary Neal},
journal= {arXiv preprint arXiv:1906.01696},
year = {2020}
}
备注
21 pages, 10 figures, 4 tables (including supplementary information) Old title: Legislative effectiveness hangs in the balance: Studying balance and polarization through partitioning signed networks