We consider an approach for community detection in time-varying networks. At its core, this approach maintains a small sketch graph to capture the essential community structure found in each snapshot of the full network. We demonstrate how the sketch can be used to explicitly identify six key community events which typically occur during network evolution: growth, shrinkage, merging, splitting, birth and death. Based on these detection techniques, we formulate a community detection algorithm which can process a network concurrently exhibiting all processes. One advantage afforded by the sketch-based algorithm is the efficient handling of large networks. Whereas detecting events in the full graph may be computationally expensive, the small size of the sketch allows changes to be quickly assessed. A second advantage occurs in networks containing clusters of disproportionate size. The sketch is constructed such that there is equal representation of each cluster, thus reducing the possibility that the small clusters are lost in the estimate. We present a new standardized benchmark based on the stochastic block model which models the addition and deletion of nodes, as well as the birth and death of communities. When coupled with existing benchmarks, this new benchmark provides a comprehensive suite of tests encompassing all six community events. We provide a set of numerical results demonstrating the advantages of our approach both in run time and in the handling of small clusters.

中文翻译：

---

进化网络中基于草图的社区检测

我们考虑了一种在时变网络中进行社区检测的方法。这种方法的核心是维护一个小的草图，以捕获在整个网络的每个快照中找到的基本社区结构。我们演示了如何使用草图明确识别在网络演化过程中通常发生的六个关键社区事件：增长、收缩、合并、分裂、诞生和死亡。基于这些检测技术，我们制定了一种社区检测算法，该算法可以同时处理一个网络，展示所有进程。基于草图的算法提供的一项优势是对大型网络的有效处理。尽管在全图中检测事件可能在计算上很昂贵，但草图的小尺寸允许快速评估更改。第二个优势出现在包含不成比例的集群的网络中。草图的构建使得每个集群都有相同的表示，从而减少了小集群在估计中丢失的可能性。我们基于随机块模型提出了一个新的标准化基准，该模型对节点的添加和删除以及社区的诞生和死亡进行建模。当与现有的基准测试结合使用时，这个新的基准测试提供了一套全面的测试，包括所有六个社区活动。我们提供了一组数值结果，展示了我们的方法在运行时和处理小集群方面的优势。从而减少小簇在估计中丢失的可能性。我们基于随机块模型提出了一个新的标准化基准，该模型对节点的添加和删除以及社区的诞生和死亡进行建模。当与现有的基准测试结合使用时，这个新的基准测试提供了一套全面的测试，包括所有六个社区活动。我们提供了一组数值结果，展示了我们的方法在运行时和处理小集群方面的优势。从而减少小簇在估计中丢失的可能性。我们基于随机块模型提出了一个新的标准化基准，该模型对节点的添加和删除以及社区的诞生和死亡进行建模。当与现有的基准测试结合使用时，这个新的基准测试提供了一套全面的测试，包括所有六个社区活动。我们提供了一组数值结果，展示了我们的方法在运行时和处理小集群方面的优势。这个新的基准测试提供了一套全面的测试，包括所有六个社区活动。我们提供了一组数值结果，展示了我们的方法在运行时和处理小集群方面的优势。这个新的基准测试提供了一套全面的测试，包括所有六个社区活动。我们提供了一组数值结果，展示了我们的方法在运行时和处理小集群方面的优势。