复杂网络中混合节点与连边社区的识别

复杂网络中的社区识别已成为分析复杂系统的有效手段，在社会科学、工程学、生物学和医学等多个领域有着广泛应用。寻找节点社区和寻找连边社区是两种流行的网络结构分析方案。然而，这些方案存在固有缺陷，往往不足以恰当捕捉真实网络中复杂的组织结构。我们引入了一种新的方案和有效方法，利用节点和连边社区的混合体（称为混合节点 - 连边社区）来识别复杂网络结构。我们方法的核心是一个概率模型，能够容纳节点、连边以及混合节点 - 连边社区。我们在各种真实世界网络（包括大型蛋白质 - 蛋白质相互作用网络和大型常用词语语义关联网络）上进行的广泛实验表明，混合社区方案在揭示网络特征方面更为优越。此外，新方法的表现优于分别寻找节点或连边社区的现有方法。