基于广义平衡最优划分符号网络以识别美国众议院中的隐藏联盟
社会与信息网络
2022-07-28 v4 计算机与社会
最优化与控制
物理与社会
摘要
在网络科学中，基于广义平衡理论将符号网络最优划分为内部凝聚且相互对立的簇在计算上具有挑战性。我们重新表述并推广了两个解决该挑战的二元线性规划模型，并将其应用于划分美国众议院的合作网络以证明其实用性。这些模型保证全局最优的网络划分，并可实际应用于包含多达 30,000 条边的符号网络。在美国众议院的背景下，我们发现三簇划分优于传统的双簇划分，其中原本隐藏的第三联盟由与多数党意识形态一致且高效能的立法者组成。
引用
@article{arxiv.2105.01913,
title = {Identifying hidden coalitions in the US House of Representatives by optimally partitioning signed networks based on generalized balance},
author = {Samin Aref and Zachary P. Neal},
journal= {arXiv preprint arXiv:2105.01913},
year = {2022}
}
备注
Post-peer-review version, 23 pages, 7 figures, 2 tables, combined article and supplementary information