一种基于信息中心度的社团结构查找方法

 一种基于信息中心度的社团结构查找方法(中文4000字,英文 PDF)
一、引言
在社会，生物和技术系统[ 1，2，3，4，5 ]中网络分析是一个用来理解复杂现象和组织的强大方法。在网络分析的框架中，一个给定的系统被建模为一个图，其中的节点是系统的元素，例如在一个社会系统的个人，大脑中的神经元和网络中的路由器。边代表的是一对元素的相互作用，社会联系，就像突触和电气线路一样。人们对网络[1, 2, 3, 4, 5]中的各种结构和区位特性的描述方法一直有着大量兴趣。其中，在许多网络中都有的共同特性是亚群或者社团结构的存在。
例如，在社交网络中，一些个人可以是一个紧密连接的群体或封闭的社会精英，其他人可以完全隔离，而其他一些人可能作为群体之间的桥梁。个人被嵌入在网络结构中的方式的差异，对他们很可能会实践的行为有重要的后果。社会网络的个体划分是社会制度的一个基本方面。事实上，社会系统中的子群往往有自己的规范、取向和亚文化，有时与官方文化背道而驰，是一个人身份的最重要来源[ 2 ]。自社会网络分析之初，对于这个原因的主要关注点之一，一直是一个网络中的个体群的定义和识别。在社会网络分析中，提出了第一个找到社团结构的算法。
子群对其他网络也很重要。存在于生物技术网络中的子群可能会阻碍对系统运行的重要信息，并且与了解这种网络的增长机制有关。事实上，在万维网中的社团可能代表网页上的共同主题，而在蜂窝[ 6 ]和遗传网络[ 7 ]中的社团可能代表的是功能模块[ 8 ]。因为这个原因，对于找到一个网络里的子结构的技术，能提供一种有力的工具来理解网络的结构和功能。
在本文中，我们提出了一种新的方法来发现社团结构，使用最近推出的信息中心度来测量[ 10，9 ]，基于网络的全球效率的概念[ 11，12 ]。信息中心度在这里被用来确定网络中各边的相关性。该方法包括寻找并删除中心度最高的边，直到网络分解成组件。
论文组织如下。在第二节中，我们复习派系和凝聚子群的定义和在网络中寻找社团结构的标准方法。在第三节中，我们提出了新的方法，并描述其具体过程。在第四节中，我们讨论这个算法在计算机网络中对已有的现有子群的知识与控制的应用。我们表明，该算法，虽然速度慢于市场上的最好的方法，但是能非常有效的发现社团结构，特别是当社团结构是非常混合而且几乎难以检测到的时候。最后，在第五节中，我们讨论了一些对现实世界的网络的应用。在第六节中，我们提出我们的结论。