马尔可夫链的模块分解:探测普适社区的层级组织
物理与社会
2019-12-10 v3 无序系统与神经网络
摘要
在网络科学中,一组节点彼此连接的概率高于其与组外节点的连接概率,被称为社区。从个体社区关联于由网络描述的复杂系统的功能模块这一视角看,发现社区对理解这些系统的整体功能至关重要。自网络科学早期以来,已投入大量努力开发网络社区检测方法。然而,揭示真实世界网络社区关键特征的方法仍有待建立。在此,我们将遍布整个网络的随机游走的分解表述为局部模块,作为社区的代理。该表述将揭示社区的普适结构及其层级组织,这些正是真实世界网络的特征,却超出大多数现有方法所能触及的范围。
引用
@article{arxiv.1909.07066,
title = {Modular decomposition of Markov chain: detecting hierarchical organization of pervasive communities},
author = {Hiroshi Okamoto and Xu-le Qiu},
journal= {arXiv preprint arXiv:1909.07066},
year = {2019}
}
备注
18 pages, 3 figures