基于多视图模块度的团队感知社区检测方法(TaCD)及其在学术社交网络中的应用
《Entropy》:TaCD: Team-Aware Community Detection Based on Multi-View Modularity
【字体:
大
中
小
】
时间:2025年12月25日
来源:Entropy 2
编辑推荐:
本文提出了一种创新的团队感知社区检测(TaCD)方法,通过构建用户交互视图和团队关系视图的双层网络结构,利用Jaccard相似度建立跨视图耦合机制,并采用多视图模块度优化和广义Louvain算法,在新型SCHOLAT数据集上实现了显著优于传统方法的社区发现效果,为复杂社交网络分析提供了新的多视角融合范式。
社区检测作为网络科学的核心课题,在社交网络分析、生物信息学等领域具有重要应用价值。传统方法往往忽视社交网络中存在的团队关系这一特殊用户关联形式,而团队信息对社区形成和演化具有关键影响。SCHOLAT学术社交平台的独特之处在于同时包含用户交互数据和团队组织信息,为研究团队感知的社区检测提供了理想数据基础。
研究团队收集的SCHOLAT数据集包含8个不同规模的网络(Net-3k至Net-10k),节点数量从3000到10000不等,涵盖689,480至5,713,566条边。该数据集的创新性体现在首次系统整合了用户真实社区标注、好友关系链接、共同团队数量矩阵、交互次数矩阵等多维度信息。特别值得注意的是,团队关系与用户交互之间既存在关联又保持独立,这种异构性为多视图社区检测提供了天然实验场景。
TaCD方法的核心创新在于构建了异构的双层网络结构。交互层(View s)通过加权融合好友关系(Friendship)、点赞行为(Like)和聊天频率(Chat)等互动信息,形成用户交互强度矩阵A[s](i,j)= 2F(i,j) + L(i,j) + C(i,j)。团队层(View r)则通过统计共同参与的学术团队和课程团队数量,构建团队关联矩阵A[r](i,j)= M(i,j) + N(i,j)。
研究团队创造性地引入Jaccard相似度作为视图间的一致性度量指标。对于每个用户u,通过计算其在交互视图中的邻居集合Γ[s](u)与团队视图中的邻居集合Γ[r](u)之间的Jaccard相似度,建立对角耦合矩阵J[sr]。这一机制有效过滤了团队隶属关系与实际社交距离不匹配的噪声数据。
基于构建的双层网络结构,TaCD采用扩展的多视图模块度函数作为优化目标。该函数综合考虑了层内连接模式与层间耦合强度,通过广义Louvain算法进行高效优化。模块度增益ΔQM的计算公式经过精心设计,能够同时捕捉视图内部的结构特征和视图间的协同效应。
在系统对比实验中,TaCD与Affinity Propagation(AP)、Normalized Cut(NCut)、Louvain和变分图自编码器(VGAER)等主流方法进行了全面对比。评估指标包括准确率(ACC)、标准化互信息(NMI)和调整兰德指数(ARI)。结果表明,TaCD在NMI指标上表现尤为突出,达到0.69-0.75的稳定区间,显著优于VGAER的0.40-0.54波动范围。在ACC指标上,TaCD在Net-10k网络上取得0.5406的最佳成绩。
针对分辨率参数γv的敏感性分析显示,当参数取值在[1.0,1.4]区间时,算法性能保持稳定。最终选择γv=1.2作为平衡点,在保证NMI接近最优的同时获得良好的ARI表现。算法复杂度分析证实TaCD具有O(M+n)的近线性复杂度,其中M为视图边数总和,n为节点数量。
通过对Net-3k网络的详细分析,发现以节点2261为中心的社区对应真实世界中的广东海洋大学。最大社区被识别为华南师范大学,这与SCHOLAT平台的发源地事实相符。可视化结果清晰展示了各社区的内部结构特征,中心节点往往具有最高的边连接度。
通过设计TaCD-NoTeam基线模型(仅使用交互层)与完整模型的对比实验,证实团队信息的引入带来性能的显著提升。消融研究进一步验证了团队关系视图对提升社区检测准确性的实质性贡献。
该方法为社交网络分析、组织管理优化、学术合作推荐等应用提供了新思路。未来工作将扩展更多视图维度,如时间动态特征,并探索在重叠社区检测、动态网络演化分析等方向的延伸应用。团队关系建模的思路还可推广到蛋白质相互作用网络、疾病传播网络等生物医学网络分析领域。
该方法通过创新性地融合异构网络信息,建立了团队感知的社区检测新范式,在保持算法效率的同时显著提升了社区划分的准确性,为复杂网络分析提供了重要的方法论支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号