本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
模組化是社群結構的流行衡量標準。然而，最大化模組化可能會導致許多具有幾乎相同模組化的競爭分區，但彼此之間的相關性很差。它還可以在不存在的隨機圖中產生虛幻的“社區”。我們透過在有限溫度下使用模組化作為哈密頓量並使用有效的置信傳播演算法來獲得具有高模組化的許多分區的共識來解決這個問題，而不是尋找最大化它的單一分區。我們透過分析和數值證明，所提出的演算法一直有效到隨機區塊模型產生的網路中的可檢測性轉換。它在現實世界的網路上也表現良好，在一些先前的工作聲稱不存在社區的網路中揭示了大型社區。最後，我們表明，透過遞歸地應用我們的演算法，細分社區直到找不到統計上顯著的子社區，我們可以比以前的方法更有效地檢測現實世界網路中的層次結構。