基于图论刻画的复杂网络富三元组子结构探索
物理与社会
2017-01-04 v1 社会与信息网络
摘要
复杂网络中最重要的问题之一是如何精确检测元数据组。主要挑战在于传统结构社区并不总能捕捉元数据组的内在特征。受观察到 PPI 网络中的元数据组往往由大量相互作用的三元组模体组成的启发，我们定义了一种直径为 2 且具有富三元组性质的 2-club 子结构来描述元数据组。基于该富三元组子结构，我们设计了一种 DIVision 算法，利用提出的边生态中心性 DIVANC 在复杂网络中有效检测元数据组。我们还将 DIVANC 扩展为通过提出简单的 2-hop 重叠策略来检测重叠元数据组。为验证富三元组子结构的有效性，我们在 PPI 网络、LFR 合成网络与足球网络上将 DIVANC 与现有算法比较。实验结果表明 DIVANC 显著优于大多数其他算法，特别是能够检测稀疏元数据组。
引用
@article{arxiv.1602.05286,
title = {Exploring triad-rich substructures by graph-theoretic characterizations in complex networks},
author = {Songwei Jia and Lin Gao and Yong Gao and James Nastos and Xiao Wen and Xindong Zhang and Haiyang Wang},
journal= {arXiv preprint arXiv:1602.05286},
year = {2017}
}
备注
41 pages, 14 figures, and now underreviewing by Journal of Statistical Mechanics: Theory and Experiment