Consistent community detection in multi-layer network data
多层网络数据中的一致社区检测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究多层网络的节点关系和社区识别，与网络数据分析方向直接相关。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多层网络数据中的一致社区检测
- 研究问题
- 当节点间关系由多个层面或高维向量描述时，如何综合这些信息，在更稀疏的网络中一致识别跨层社区结构？
- 方法与思路
- 作者在多层随机区块模型下，采用最小二乘估计节点社区归属，并推导一致性结果，通过模拟与数据示例考察方法。
- 材料陈述的贡献
- 摘要称多层信息使所需边密度相较单层降低一个层数平方根因子，并可识别单层或简单聚合难以发现的跨层社区。
- 阅读关注点
- 应核对层间依赖、社区结构与信号强度条件，以及边密度改善结论的比较基准和节点数、层数增长范围。
- 阅读边界
- 仅依据所给 Crossref 摘要；边密度改善是特定模型下的作者结论，摘要未说明条件，不能推广至任意多层网络。
原文摘要
Summary We consider multi-layer network data where the relationships between pairs of elements are reflected in multiple modalities, and may be described by multivariate or even high-dimensional vectors. Under the multi-layer stochastic block model framework we derive consistency results for a least squares estimation of memberships. Our theorems show that, as compared to single-layer community detection, a multi-layer network provides much richer information that allows for consistent community detection from a much sparser network, with required edge density reduced by a factor of the square root of the number of layers. Moreover, the multi-layer framework can detect cohesive community structure across layers, which might be hard to detect by any single-layer or simple aggregation. Simulations and a data example are provided to support the theoretical results.