网络分类学
数据分析、统计与概率
2012-05-21 v3 物理与社会
摘要
网络研究已发展成为一个庞大的跨学科事业，涵盖了自然科学、社会科学和信息科学中的众多学科。本文引入了一个基于结构相似性构建网络分类学的框架。这些网络可以来自多种来源：可以是经验网络或合成网络，可以来自单一过程（经验或合成）的多次实现，也可以代表不同学科中完全不同的系统。由于网络的介观性质被认为对网络功能很重要，我们将比较基于网络社区结构的摘要。虽然我们使用特定方法来揭示网络社区，但所引入框架的大部分内容独立于该选择。在介绍该框架后，我们将其应用于构建746个单独网络的分类学，并证明我们的方法能有效识别相似网络。我们还在单个网络类别内构建分类学，并在每种情况下揭示了非平凡的结构。例如，我们为基于政治投票数据和金融数据构建的相似性网络创建了分类学。我们还构建了网络分类学，以比较100个Facebook网络的社会结构和不同类型真菌产生的生长结构。
引用
@article{arxiv.1006.5731,
title = {Taxonomies of Networks},
author = {Jukka-Pekka Onnela and Daniel J. Fenn and Stephen Reid and Mason A. Porter and Peter J. Mucha and Mark D. Fricker and Nick S. Jones},
journal= {arXiv preprint arXiv:1006.5731},
year = {2012}
}
备注
Main text & supplementary material; revised version