k-团渗流临界点处的重叠模块度

社会网络中最显著的社会现象之一是社区的形成，这些社区对应于家庭、朋友圈、工作团队等。由于人们通常同时属于多个不同的社区，由此产生的重叠导致社区本身形成一个极其复杂的网络。因此，揭示社会网络错综复杂的社区结构是一项非平凡的任务，具有巨大的实际应用潜力，近年来引起了广泛关注。团渗流方法（Clique Percolation Method, CPM）是最早的重叠社区发现方法之一，已被用于分析多种不同的社会网络。在该方法中，社区对应于 k-团渗流簇，设定该方法参数的一般启发式规则是将系统调节至略低于 k-团渗流临界点的位置。然而，这一规则基于简单的物理原理，其有效性从未受到过定量分析。在此，我们利用最近引入的重叠模块度度量，考察了临界点附近划分的质量。根据我们在真实社会网络及其他网络上的结果，重叠模块度在临界点附近显示出最大值，从而证明了最优参数设置原始标准的合理性。