SCORE 归一化方法，尤其适用于高度异构的网络与文本数据

SCORE 是作为一种网络社区发现的谱方法被提出的。由于许多网络具有严重的度异质性，用于社区发现的普通谱聚类（OSC）方法可能表现不佳。SCORE 通过在谱域引入一种新的归一化思想来缓解度异质性的影响，使 OSC 更加有效。SCORE 易于使用且计算快速。它易于适应新的方向，并在实践中受到越来越多的关注。本文回顾了 SCORE 的基础、SCORE 在网络混合成员估计和主题建模中的适配，以及 SCORE 在真实数据中的应用，包括两个关于统计学家发表文献的数据集。我们还回顾了 SCORE 背后的理论“思想”。我们表明，在谱域中，SCORE 将一个单纯锥转换为单纯形，并提供了单纯形与网络成员关系之间简单而直接的联系。SCORE 在社区发现中达到指数速率和尖锐相变，并在混合成员估计和主题建模中实现最优速率。