当前位置:
X-MOL 学术
›
Proc. Royal Soc. A: Math. Phys. Eng. Sci.
›
论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Core–periphery structure in directed networks
Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences ( IF 3.5 ) Pub Date : 2020-09-01 , DOI: 10.1098/rspa.2019.0783 Andrew Elliott 1, 2 , Angus Chiu 2 , Marya Bazzi 1, 3, 4 , Gesine Reinert 1, 2 , Mihai Cucuringu 1, 2, 3
Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences ( IF 3.5 ) Pub Date : 2020-09-01 , DOI: 10.1098/rspa.2019.0783 Andrew Elliott 1, 2 , Angus Chiu 2 , Marya Bazzi 1, 3, 4 , Gesine Reinert 1, 2 , Mihai Cucuringu 1, 2, 3
Affiliation
Empirical networks often exhibit different meso-scale structures, such as community and core–periphery structures. Core–periphery structure typically consists of a well-connected core and a periphery that is well connected to the core but sparsely connected internally. Most core–periphery studies focus on undirected networks. We propose a generalization of core–periphery structure to directed networks. Our approach yields a family of core–periphery block model formulations in which, contrary to many existing approaches, core and periphery sets are edge-direction dependent. We focus on a particular structure consisting of two core sets and two periphery sets, which we motivate empirically. We propose two measures to assess the statistical significance and quality of our novel structure in empirical data, where one often has no ground truth. To detect core–periphery structure in directed networks, we propose three methods adapted from two approaches in the literature, each with a different trade-off between computational complexity and accuracy. We assess the methods on benchmark networks where our methods match or outperform standard methods from the literature, with a likelihood approach achieving the highest accuracy. Applying our methods to three empirical networks—faculty hiring, a world trade dataset and political blogs—illustrates that our proposed structure provides novel insights in empirical networks.
中文翻译:
有向网络中的核心-外围结构
经验网络通常表现出不同的中尺度结构,例如社区和核心-外围结构。核心-外围结构通常由连接良好的核心和与核心连接良好但内部连接稀疏的外围组成。大多数核心-外围研究都集中在无向网络上。我们建议将核心-外围结构推广到有向网络。我们的方法产生了一系列核心-外围块模型公式,其中与许多现有方法相反,核心和外围集是边缘方向相关的。我们专注于由两个核心集和两个外围集组成的特定结构,我们根据经验对其进行激励。我们提出了两种方法来评估我们在经验数据中的新结构的统计显着性和质量,其中一种方法通常没有基本事实。为了检测有向网络中的核心-外围结构,我们提出了三种方法,它们改编自文献中的两种方法,每种方法在计算复杂性和准确性之间都有不同的权衡。我们评估基准网络上的方法,其中我们的方法匹配或优于文献中的标准方法,似然方法可实现最高准确度。将我们的方法应用于三个经验网络——教师招聘、世界贸易数据集和政治博客——表明我们提出的结构在经验网络中提供了新的见解。我们评估基准网络上的方法,其中我们的方法匹配或优于文献中的标准方法,似然方法可实现最高准确度。将我们的方法应用于三个经验网络——教师招聘、世界贸易数据集和政治博客——表明我们提出的结构在经验网络中提供了新的见解。我们评估基准网络上的方法,其中我们的方法匹配或优于文献中的标准方法,似然方法可实现最高准确度。将我们的方法应用于三个经验网络——教师招聘、世界贸易数据集和政治博客——表明我们提出的结构为经验网络提供了新的见解。
更新日期:2020-09-01
中文翻译:
有向网络中的核心-外围结构
经验网络通常表现出不同的中尺度结构,例如社区和核心-外围结构。核心-外围结构通常由连接良好的核心和与核心连接良好但内部连接稀疏的外围组成。大多数核心-外围研究都集中在无向网络上。我们建议将核心-外围结构推广到有向网络。我们的方法产生了一系列核心-外围块模型公式,其中与许多现有方法相反,核心和外围集是边缘方向相关的。我们专注于由两个核心集和两个外围集组成的特定结构,我们根据经验对其进行激励。我们提出了两种方法来评估我们在经验数据中的新结构的统计显着性和质量,其中一种方法通常没有基本事实。为了检测有向网络中的核心-外围结构,我们提出了三种方法,它们改编自文献中的两种方法,每种方法在计算复杂性和准确性之间都有不同的权衡。我们评估基准网络上的方法,其中我们的方法匹配或优于文献中的标准方法,似然方法可实现最高准确度。将我们的方法应用于三个经验网络——教师招聘、世界贸易数据集和政治博客——表明我们提出的结构在经验网络中提供了新的见解。我们评估基准网络上的方法,其中我们的方法匹配或优于文献中的标准方法,似然方法可实现最高准确度。将我们的方法应用于三个经验网络——教师招聘、世界贸易数据集和政治博客——表明我们提出的结构在经验网络中提供了新的见解。我们评估基准网络上的方法,其中我们的方法匹配或优于文献中的标准方法,似然方法可实现最高准确度。将我们的方法应用于三个经验网络——教师招聘、世界贸易数据集和政治博客——表明我们提出的结构为经验网络提供了新的见解。