寻找网络的恰当尺度：通过谱聚类高效识别因果涌现
社会与信息网络
2022-02-18 v2 物理与社会
摘要
所有网络都可以在多个尺度上进行分析。网络的更高尺度由宏节点组成：已被分组为单个节点的子图。在更高尺度上重述网络可产生有益效果，例如减少随机游走者在网络上移动的不确定性，同时减小网络规模。然而，寻找这种宏观尺度表示的任务在计算上是困难的，因为网络所有可能尺度的集合随节点数量呈指数增长。在此我们比较了各种用于寻找优先连接网络最具信息量尺度的方法，发现基于谱分析的方法优于贪心和基于梯度下降的方法。然后我们使用该过程展示这些网络的若干结构属性如何跨尺度变化。我们描述了网络中观和宏观表示相对于其底层微观表示在信息传输方面的显著优势，包括确定性增加、退化性降低、网络上随机游走者的熵率更低、全局网络效率提高以及多种中心性度量值高于微观尺度等属性。
引用
@article{arxiv.1908.07565,
title = {Finding the right scale of a network: Efficient identification of causal emergence through spectral clustering},
author = {Ross Griebenow and Brennan Klein and Erik Hoel},
journal= {arXiv preprint arXiv:1908.07565},
year = {2022}
}