Constant communities in complex networks.
Constant communities in complex networks.
复制标题
复杂网络中的恒定社区。
DOI：
10.1038/srep01825
复制
发表时间：
2013
影响因子：
4.6
通讯作者：
Mukherjee A
中科院分区：
文献类型：
--
作者：
Chakraborty T;Srinivasan S;Ganguly N;Bhowmick S;Mukherjee A
社区结构识别是网络分析中的一个基本问题。大多数社区检测算法是基于优化组合参数，例如模块化。这种优化通常是NP困难的，因此仅仅改变顶点的顺序就可以改变它们对社区的分配。然而，关于顶点排序如何影响社区发现算法结果的研究较少。在这里，我们确定和研究的性质不变的顶点（常数社区），其分配给社区是，相当显着，不受顶点排序。恒定社区的百分比可以在不同的应用程序和经验的结果，我们提出的指标来评估这些社区。使用常数社区作为预处理步骤，可以显着减少结果的变化。最后，我们提出了一个音素网络的案例研究，并说明恒定的社区，相当引人注目的是，形成更大的社区的核心功能单位。
Identifying community structure is a fundamental problem in network analysis. Most community detection algorithms are based on optimizing a combinatorial parameter, for example modularity. This optimization is generally NP-hard, thus merely changing the vertex order can alter their assignments to the community. However, there has been less study on how vertex ordering influences the results of the community detection algorithms. Here we identify and study the properties of invariant groups of vertices (constant communities) whose assignment to communities are, quite remarkably, not affected by vertex ordering. The percentage of constant communities can vary across different applications and based on empirical results we propose metrics to evaluate these communities. Using constant communities as a pre-processing step, one can significantly reduce the variation of the results. Finally, we present a case study on phoneme network and illustrate that constant communities, quite strikingly, form the core functional units of the larger communities.
登录
查看更多内容
影响因子：
4.6
作者：
Lancichinetti, Andrea;Fortunato, Santo
通讯作者：
Fortunato, Santo
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：
0.4
作者：
Gleiser, PM;Danon, L
通讯作者：
Danon, L
影响因子：
2.3
作者：
Lusseau, D;Schneider, K;Dawson, SM
通讯作者：
Dawson, SM
DOI：
10.1073/pnas.122653799
发表时间：
2002-06-11
影响因子：
11.1
作者：
Girvan, M;Newman, MEJ
通讯作者：
Newman, MEJ