Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Spatiotemporal Cluster Method for Trajectory Data Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

6. Evolution of Community Structure in Complex Networks

verfasst von : Lei Zhang, Jianyu Li, Shuangwen Chen, Xin Jin

Erschienen in: Proceedings of the 4th International Conference on Computer Engineering and Networks

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Community structure has always been considered one of the most significant features in complex networks, and it plays an important role in the topology and function of networks. In this paper, we choose five data sets from various areas to detect the community structure and present two interesting results. We cut all the nodes in the networks from low degree to high degree and then obtain many networks with different scales. First, the relationship between the number of nodes of the maximal communities and the number of communities in the corresponding networks is studied and is shown to be linear. Second, when the number of nodes in the maximal communities increases, the increasing tendency of the number of its edges slows down, which reveals the sparsity of networks.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel The Improved Bayesian Algorithm to Spam Filtering
Nächstes Kapitel Construction of a Thermal Power Enterprise Environmental Performance Evaluation Model
Literatur
1.
Newman M. Networks: an introduction. New York: Oxford University Press; 2010.CrossRef
2.
Barrat A, Barthelemy M, Vespignani V. Dynamical process on complex networks. Cambridge: Cambridge University Press; 2008.CrossRef
3.
4.
Leicht EA, Newman MEJ. Community structure in directed networks. Phys Rev Lett. 2008;100(11):118703.CrossRef
5.
De Meo P, Nocera A, Terracina G, et al. Recommendation of similar users, resources and social networks in a social internt working scenario. Inf Sci. 2011;181(7):1285–305.CrossRef
6.
Durugbo C, Hutabarat W, Tiwari A, et al. Modelling collaboration using complex networks. Inf Sci. 2011;181(15):3143–61.CrossRef
7.
Hein DIO, Schwind DWIM, Konig W. Scale-free networks. Wirtschaftsinformatik. 2006;48(4):267–75.CrossRef
8.
Caldarelli G, Vespignani A, editors. Large scale structure and dynamics of complex networks: from information technology to finance and natural science. New Jersey: Word Scientific; 2007.
9.
10.
Porter MA, Onnela JP, Mucha PJ. Communities in networks. Not Am Math Soc. 2009;56(9):1082–97.MathSciNetMATH
11.
Arenas A, Fernandez A, Gomez S. Analysis of the structure of complex networks at different resolution levels. New J Phys. 2008;10(5):053039.CrossRef
12.
Fortunato S, Barthelemy M. Resolution limit in community dection. Proc Natl Acad Sci. 2007;104(1):36–41.CrossRef
13.
Fortunato S, Castellano C. Community structure in graphs. New York: Springer; 2012. p. 490–512.
14.
Liu J, Deng G. A collaborative recommendation method based on user network community with weighted spectral analysis. J Dalian Univ Technol. 2010;50(3):438–42.
15.
Cun R, Duan X, Liu X, Li Z. A physical community discovery algorithm. J Microelectronics Comput. 2010;27(9):33–6.
16.
Traud AL, Kelsic ED, Mucha PJ, et al. Comparing community structure to characteristics in online collegiate social networks. SIAM Rev. 2011;53(3):526–43.CrossRefMathSciNet
17.
Lancichinetti A, Kivela M, Saramaki J, et al. Characterizing the community structure of complex networks. PLoS One. 2010;5(8):e11976.CrossRef
18.
Bu D, Zhao Y, Cai L, et al. Topological structure analysis of the protein–protein interaction network in budding yeast. Nucleic Acids Res. 2003;31(9):2443–50.CrossRef
19.
Leskovec J, Kleinberg J, Faloutsos C. Graph evolution: densification and shrinking diameters. ACM Trans Knowl Discov Data. 2007;1(1):0603229.CrossRef
20.
Ripeanu M, Foster I, Lamnitchi A. Mapping the gnutella network: Properties of large-scale peer-to-peer systems and implications for system design [J]. 2002. arXiv preprint cs/0209028
21.
De Meo P, Ferrara E, Fiumara G, et al. Enhancing community detection using a network weighting strategy. Inf Sci. 2013;222(1):648–68.CrossRefMATH
22.
Clauset A, Newman MEJ, Moore C. Finding community structure in very large networks. Phys Rev E. 2004;70(6):066111.CrossRef
Metadaten
Titel
Evolution of Community Structure in Complex Networks
verfasst von
Lei Zhang
Jianyu Li
Shuangwen Chen
Xin Jin
Copyright-Jahr
2015
Buch
Proceedings of the 4th International Conference on Computer Engineering and Networks

Print ISBN: 978-3-319-11103-2

Electronic ISBN: 978-3-319-11104-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-11104-9_6

Neuer Inhalt

    Bildnachweise