想凝聚一个社区？创建更多子社区
社会与信息网络
2018-07-16 v1 物理与社会
摘要
理解重叠社区结构对网络分析与预测至关重要。AGM（关联图模型）是解释稠密重叠社区结构最受欢迎的模型之一。在本文中，我们彻底重新考察了 AGM 模型在真实数据集上所做的假设。我们发现 AGM 模型不足以解释在流行真实世界网络中观察到的若干经验行为。令我们惊讶的是，我们所有的实验结果均可由一个无参数假设解释，其建模比具有多个参数的 AGM 更为直接。基于这些发现，我们提出一个无参数的基于 Jaccard 的关联图（JAG）模型，该模型将边的建模概率设为网络特定常数乘以与个体相关联的社区集合间的 Jaccard 相似度。我们的建模比 AGM 显著更简单，且消除了为每个社区关联一个参数（概率值）的需要。此外，JAG 模型自然解释了重叠社区为何（以及事实上何时）稠密连接。基于这些观察，我们提出一种新的社区驱动友谊形成过程，其在数学上恢复了 JAG 模型。JAG 是首个指向给定社区内紧密连接与其内部重叠社区数量之间直接因果关系的模型。因此，\emph{将社区凝聚起来的最有效方式是于其内部形成更多子社区。}基于我们建模的社区检测算法展现出显著简单的算法，并在六个真实世界网络数据集上相较现有基于链接分析的方法取得了 SOTA 精度。
引用
@article{arxiv.1807.04911,
title = {Want to bring a community together? Create more sub-communities},
author = {Chen Luo and Anshumali Shrivastava},
journal= {arXiv preprint arXiv:1807.04911},
year = {2018}
}
备注
Published in 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM 2018)