复杂网络中的模糊社区与桥接性概念

我们考虑网络中的模糊社区检测问题，这是对重叠社区结构概念的补充和扩展。我们的方法允许图的每个顶点同时属于多个社区，由精确的数值隶属度决定，即使在所分析的数据存在不确定性的情况下也是如此。我们创建了一种算法，用于针对给定的目标函数确定最优隶属度。基于隶属度，我们引入了一种新的度量，能够识别不属于任何社区的异常顶点、显著属于多个社区的桥接顶点，以及主要将其交互限制在其自身社区内的常规顶点，同时还能量化顶点相对于其主导社区的中心性。该方法也可用于数据集存在不确定性时的预测。社区数量可以预先给定，或由算法使用模块度函数的模糊化变体自行确定。该技术能够以高置信度发现不同现实世界网络的模糊社区结构，包括但不限于社交网络、科学合作网络和皮层网络。