Many real-world networks display hidden community structures with important potential implications in their dynamics. Many algorithms highly relevant to network analysis have been introduced to unveil community structures. Accurate assessment and comparison of alternative solutions are typically approached by benchmarking the target algorithm(s) on a set of diverse networks that exhibit a broad range of controlled features, ensuring the assessment contemplates multiple representative properties. Tools have been developed to synthesize bipartite networks, but none of the previous solutions address the issue of generating networks with overlapping community structures. This is the motivation for the BNOC tool introduced in this paper. It allows synthesizing bipartite networks that mimic a wide range of features from real-world networks, including overlapping community structures. Multiple parameters ensure flexibility in controlling the scale and topological properties of the networks and embedded communities. BNOC’s applicability is illustrated assessing and comparing two popular overlapping community detection algorithms on bipartite networks, namely HLC and OSLOM. Results reveal interesting features of the algorithms in this scenario and confirm the relevant role played by a suitable benchmarking tool. Finally, to validate our approach, we present results comparing networks synthesized with BNOC with those obtained with an existing benchmarking tool and with already established sets of synthetic networks, in two different scenarios.

中文翻译：

---

生成具有重叠社区的双向网络模型的基准测试工具

许多现实世界的网络显示了隐藏的社区结构，这些结构在其动态过程中具有重要的潜在影响。已经引入了许多与网络分析高度相关的算法，以揭示社区结构。通常通过在具有各种受控功能的一组多样化网络上对目标算法进行基准测试，来对替代解决方案进行准确评估和比较，以确保评估考虑了多个代表性属性。已经开发了用于合成双向网络的工具，但是先前的解决方案均未解决生成具有重叠社区结构的网络的问题。这就是本文介绍的BNOC工具的动机。它允许合成双向网络，该双向网络模仿现实网络中的多种功能，包括重叠的社区结构。多个参数可确保在控制网络和嵌入式社区的规模和拓扑属性方面的灵活性。举例说明了BNOC的适用性，它评估和比较了两方网络上两种流行的重叠社区检测算法，即HLC和OSLOM。结果揭示了这种情况下算法的有趣特征，并确认了合适的基准测试工具所发挥的相关作用。最后，为验证我们的方法，我们给出了在两种不同情况下，将使用BNOC合成的网络与使用现有基准工具以及已建立的合成网络集进行比较的结果。多个参数可确保在控制网络和嵌入式社区的规模和拓扑属性方面的灵活性。举例说明了BNOC的适用性，它评估和比较了两方网络上两种流行的重叠社区检测算法，即HLC和OSLOM。结果揭示了这种情况下算法的有趣特征，并确认了合适的基准测试工具所发挥的相关作用。最后，为验证我们的方法，我们给出了在两种不同情况下，将使用BNOC合成的网络与使用现有基准工具以及已建立的合成网络集进行比较的结果。多个参数可确保在控制网络和嵌入式社区的规模和拓扑属性方面的灵活性。举例说明了BNOC的适用性，它评估和比较了两方网络上两种流行的重叠社区检测算法，即HLC和OSLOM。结果揭示了这种情况下算法的有趣功能，并确认了合适的基准测试工具所发挥的相关作用。最后，为验证我们的方法，我们给出了在两种不同情况下，将使用BNOC合成的网络与使用现有基准工具以及已建立的合成网络集进行比较的结果。结果揭示了这种情况下算法的有趣特征，并确认了合适的基准测试工具所发挥的相关作用。最后，为验证我们的方法，我们给出了在两种不同情况下，将使用BNOC合成的网络与使用现有基准工具以及已建立的合成网络集进行比较的结果。结果揭示了这种情况下算法的有趣特征，并确认了合适的基准测试工具所发挥的相关作用。最后，为验证我们的方法，我们给出了在两种不同情况下，将使用BNOC合成的网络与使用现有基准工具以及已建立的合成网络集进行比较的结果。