ネットワークコミュニティ検出のためのグローバル対ローカルモジュール性

コミュニティ構造はさまざまな複雑なネットワークで遍在しており、ネットワークは一般に、より多くの内部リンクと外部リンクが少ないノードのグループで構成されていることを意味します。ネットワーク理論の重要なトピックとして、コミュニティの検出は、ネットワークの構造と機能を理解するために重要です。コミュニティ構造の統計的測定の最適化は、複雑なネットワークでのコミュニティ検出のための最も一般的な戦略の1つです。この論文では、セルフループの再スケーリング戦略の種類を使用することにより、一連のグローバルモジュール性関数と、ネットワークでのコミュニティ検出のためのローカルモジュール性関数のセットを導入しました。コミュニティの検出におけるモジュール性ベースの方法の行動を慎重に比較して分析し、大規模および異種ネットワークのコミュニティ構造を検出するためのローカルモジュール性の優位性を確認しました。ローカルモジュール性は、モジュール性の第1型の制限をより迅速に排除でき、ネットワークでのローカル情報が使用されるため、ネットワークのモジュール性の2番目のタイプの制限を排除または緩和できます。さらに、実際のネットワークでメソッドをテストしました。最後に、この研究は、複雑なネットワークにおけるコミュニティ検出の問題に関する有用な洞察を提供できると予想しています。

Community structures are ubiquitous in various complex networks, implying that the networks commonly be composed of groups of nodes with more internal links and less external links. As an important topic in network theory, community detection is of importance for understanding the structure and function of the networks. Optimizing statistical measures for community structures is one of most popular strategies for community detection in complex networks. In the paper, by using a type of self-loop rescaling strategy, we introduced a set of global modularity functions and a set of local modularity functions for community detection in networks, which are optimized by a kind of the self-consistent method. We carefully compared and analyzed the behaviors of the modularity-based methods in community detection, and confirmed the superiority of the local modularity for detecting community structures on large-size and heterogeneous networks. The local modularity can more quickly eliminate the first-type limit of modularity, and can eliminate or alleviate the second-type limit of modularity in networks, because of the use of the local information in networks. Moreover, we tested the methods in real networks. Finally, we expect the research can provide useful insight into the problem of community detection in complex networks.