Null Models and Community Detection in Multi-Layer Networks
Null Models and Community Detection in Multi-Layer Networks
复制标题
多层网络中的空模型和社区检测
DOI：
10.1007/s13171-021-00257-0
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Chen, Yuguo
中科院分区：
文献类型：
--
作者：
Paul, Subhadeep;Chen, Yuguo
多路复用类型的多层网络表示一组实体（节点）上的关系数据，这些实体之间具有多种类型的关系（边），其中每种类型的关系都表示为一个网络层。网络中大量流行的社区检测方法基于优化称为模块性得分的质量函数，它是与合适的空模型相比，网络中模块或社区结构的存在程度的度量。在这里，我们受到来自不同应用领域的网络的经验观察的启发，使用多层网络的不同空模型介绍了几种多层网络模块化和模型似然质量函数度量。特别是，我们将 Chung-Lu 期望度模型的多层变体定义为空模型，其多层度的建模不同。我们为模型提出了简单的估计器并证明了它们的一致性属性。还提出了假设检验程序来为数据选择适当的零模型。这些零模型用于定义模块化度量以及基于模型似然的质量函数。然后对所提出的措施进行优化，以检测节点的最佳社区分配（代码可在：https://u.osu.edu/subhadeep/codes/）。我们比较了模拟网络中社区检测措施的有效性，然后将其应用于四个真实的多层网络。
Multi-layer networks of multiplex type represent relational data on a set of entities (nodes) with multiple types of relations (edges) among them where each type of relation is represented as a network layer. A large group of popular community detection methods in networks are based on optimizing a quality function known as the modularity score, which is a measure of the extent of presence of module or community structure in networks compared to a suitable null model. Here we introduce several multi-layer network modularity and model likelihood quality function measures using different null models of the multi-layer network, motivated by empirical observations in networks from a diverse field of applications. In particular, we define multi-layer variants of the Chung-Lu expected degree model as null models that differ in their modeling of the multi-layer degrees. We propose simple estimators for the models and prove their consistency properties. A hypothesis testing procedure is also proposed for selecting an appropriate null model for data. These null models are used to define modularity measures as well as model likelihood based quality functions. The proposed measures are then optimized to detect the optimal community assignment of nodes (Code available at: https://u.osu.edu/subhadeep/codes/ ). We compare the effectiveness of the measures in community detection in simulated networks and then apply them to four real multi-layer networks.
登录
查看更多内容
DOI：
--
发表时间：
2014-10
期刊：
--
影响因子：
--
作者：
Qiuyi Han;Kevin S. Xu;E. Airoldi
通讯作者：
Qiuyi Han;Kevin S. Xu;E. Airoldi
DOI：
10.1145/2464464.2464471
发表时间：
2013-01
期刊：
ArXiv
影响因子：
--
作者：
Derek Greene;P. Cunningham
通讯作者：
Derek Greene;P. Cunningham
影响因子：
1.6
作者：
Bazzi, Marya;Porter, Mason A.;Howison, Sam D.
通讯作者：
Howison, Sam D.
影响因子：
12.5
作者：
De Domenico, Manlio;Sole-Ribalta, Albert;Arenas, Alex
通讯作者：
Arenas, Alex
具有多种边类型的图上的潜在聚类
DOI：
--
发表时间：
2011
期刊：
Workshop on Algorithms and Models for the Web-Graph
影响因子：
--
作者：
M. Rocklin;Ali Pinar
通讯作者：
Ali Pinar