Higher-order organization of complex networks.
Higher-order organization of complex networks.
复制标题
DOI：
10.1126/science.aad9029
复制
发表时间：
2016-07-08
期刊：
影响因子：
--
通讯作者：
Leskovec J
中科院分区：
文献类型：
--
作者：
Benson AR;Gleich DF;Leskovec J
网络是物理学、生物学、神经科学、工程学和社会科学中理解和建模复杂系统的基本工具。众所周知，许多网络都表现出丰富的低阶连通性模式，这些模式可以在单个节点和边的级别上捕获。然而，复杂网络的高阶组织-在小网络子图的水平上-仍然是未知的。在这里，我们开发了一个通用的框架聚类网络的基础上，高阶连接模式。该框架提供了数学保证所获得的集群和规模的网络与数十亿的边缘的最优性。该框架揭示了一些网络中的高阶组织，包括神经网络中的信息传播单元和运输网络中的枢纽结构。结果表明，网络表现出丰富的高阶组织结构，暴露的聚类的基础上高阶连接模式。
Networks are a fundamental tool for understanding and modeling complex systems in physics, biology, neuroscience, engineering, and social science. Many networks are known to exhibit rich, lower-order connectivity patterns that can be captured at the level of individual nodes and edges. However, higher-order organization of complex networks—at the level of small network subgraphs—remains largely unknown. Here, we develop a generalized framework for clustering networks on the basis of higher-order connectivity patterns. This framework provides mathematical guarantees on the optimality of obtained clusters and scales to networks with billions of edges. The framework reveals higher-order organization in a number of networks, including information propagation units in neuronal networks and hub structure in transportation networks. Results show that networks exhibit rich higher-order organizational structures that are exposed by clustering based on higher-order connectivity patterns.
登录
查看更多内容
影响因子：
--
作者：
Leskovec, Jure;Lang, Kevin J.;Mahoney, Michael W.
通讯作者：
Mahoney, Michael W.
影响因子：
4.4
作者：
HOLLAND, PW;LEINHARD.S
通讯作者：
LEINHARD.S
影响因子：
56.9
作者：
Milo, R;Shen-Orr, S;Alon, U
通讯作者：
Alon, U
影响因子：
4.3
作者：
Kaiser, Marcus;Hilgetag, Claus C
通讯作者：
Hilgetag, Claus C
DOI：
10.1073/pnas.0701519104
发表时间：
2007-06-12
影响因子：
11.1
作者：
Honey, Christopher J.;Koetter, Rolf;Sporns, Olaf
通讯作者：
Sporns, Olaf