多层随机块模型上的结构放大

社会、生物和工程系统的许多复杂性源于连接许多基本组件的复杂交互网络。网络分析工具已成功揭示此类网络中称为社区的潜在结构。然而，一些最有趣的结构可能难以发现，因为它们被更主导的结构所掩盖。我们之前的工作提出了一种称为 HICODE 的通用结构放大技术，可揭示复杂网络中许多层的功能性隐藏结构。HICODE 通过随机化逐步削弱主导结构，使隐藏功能浮现，并揭示出先前方法很少能发现的真实网络中的这些隐藏结构。在本工作中，我们对隐藏社区结构进行了全面而系统的理论分析。接下来，我们定义多层随机块模型，并利用该模型从理论上支持为何隐藏结构的存在会比等效随机噪声使主导结构的检测更困难。然后我们提供理论证明，迭代约简方法有助于促进隐藏结构的揭示，并提升主导结构的检测质量。