通过适应度增长过程获取社区
物理与社会
2015-06-05 v1 统计力学
社会与信息网络
摘要
社区结构的研究在过去几年一直是研究热点。但尽管成功应用于多个领域，该概念缺乏普遍且精确的定义。诸如复杂网络的层次结构和异质性等事实使得统一社区概念及其评估变得困难。全局函数模块度可能是该领域最常用的技术。然而，其局限性已被深入研究。局部技术，如Lancichinetti等人和Palla等人的方法，作为对模块度分辨率限制和简并性的回应而出现。本文从Lancichinetti等人的算法出发，提出了一种适应度函数的独特增长过程，该过程在局部的同时，通过动态更新尺度参数，找到覆盖整个网络的社区划分。我们使用一组异质图基准测试了结果的质量。我们讨论了评估社区结构的替代度量，并据此推断出在这些情况下局部方法优于全局方法的可能解释。
引用
@article{arxiv.1206.1313,
title = {Obtaining Communities with a Fitness Growth Process},
author = {Mariano G. Beiró and Jorge R. Busch and Sebastian P. Grynberg and J. Ignacio Alvarez-Hamelin},
journal= {arXiv preprint arXiv:1206.1313},
year = {2015}
}