识别多层网络上的模块流揭示社会系统中的高度重叠组织
物理与社会
2015-04-24 v1 社会与信息网络
摘要
揭示网络的社区结构是一种理解社会科学和自然科学中互联系统的有力方法。为了识别聚合在单层网络中的交互数据里不同类型的功能模块，研究人员开发了许多强有力的方法。例如，基于流的方法已被证明有助于识别加权和定向网络中的模块动力学，这些网络捕捉了其所代表系统中流的约束。然而，许多网络系统由表现出多层交互的代理或组件组成。不可避免地，将这种复杂的网络之网表示为单个聚合网络会导致信息丢失，并可能掩盖实际的组织机构。在此，我们提出了一种基于网络流压缩的方法，该方法能够识别非聚合多层网络中的模块流。我们在合成网络上的数值实验表明，该方法能够准确识别在聚合网络中或单独分析各层时无法识别的模块。我们利用这些发现揭示了两个多层协作网络的社区结构：隶属于皮埃尔·奥热天文台 (Pierre Auger Observatory) 的科学家以及在 arXiv 上发表网络相关著作的科学家。与传统的聚合方法相比，多层方法揭示了具有更多重叠的更小模块，从而更好地捕捉了实际的组织结构。
引用
@article{arxiv.1408.2925,
title = {Identifying modular flows on multilayer networks reveals highly overlapping organization in social systems},
author = {Manlio De Domenico and Andrea Lancichinetti and Alex Arenas and Martin Rosvall},
journal= {arXiv preprint arXiv:1408.2925},
year = {2015}
}