7,129
个编辑
更改
跳到导航
跳到搜索
第479行：
第479行： − 第516行：
第515行： − − − − −
→可探测性
近年来，在对各种社团的研究中，我们得到一个相当惊人的结果——社团检测问题存在阶段性转变，这表明随着社团内部和社团之间连接的密度越来越接近或两者都变得越来越小(由于社团结构变得太弱或网络变得太稀疏) ，社团就会突然变得无法检测。
近年来，在对各种社团的研究中，我们得到一个相当惊人的结果——社团检测问题存在阶段性转变，这表明随着社团内部和社团之间连接的密度越来越接近或两者都变得越来越小(由于社团结构变得太弱或网络变得太稀疏) ，社团就会突然变得无法检测。
从某种意义上说，社团本身仍然存在，因为边的存在和缺失仍然与其节点的社团成员关系密切；但是，从理论上讲，如果没有社团结构，就不可能更好地标记节点，甚至不可能将图与由'''Erdos-Renyi模型 Erdos–Renyi model '''等空模型生成的图区分开来。这种转换与用于检测社团的算法类型无关，这意味着我们在网络中检测社团的能力存在根本的限制，即使我们使用最优的贝叶斯推理（而不考虑我们的计算资源）。<ref name=reichardt>
从某种意义上说，社团本身仍然存在，因为边的存在和缺失仍然与其节点的社团成员关系密切；但是，从理论上讲，如果没有社团结构，就不可能更好地标记节点，甚至不可能将图与由'''Erdos-Renyi模型 Erdos–Renyi model '''等空模型生成的图区分开来。这种转换与用于检测社团的算法类型无关，这意味着我们在网络中检测社团的能力存在根本的限制，即使我们使用最优的贝叶斯推理（而不考虑我们的计算资源）。<ref name=reichardt>
| arxiv = 1205.1813}}
| arxiv = 1205.1813}}
</ref>
</ref>
考虑一个具有 <math>n</math> 个节点，<math> q=2 </math> 的相同组的随机块模型，并且设<math> p_\text{in} </math>和<math>p_\text{out}</math>分别是组内和组间的连接概率。
考虑一个具有 <math>n</math> 个节点，<math> q=2 </math> 的相同组的随机块模型，并且设<math> p_\text{in} </math>和<math>p_\text{out}</math>分别是组内和组间的连接概率。
如果<math>p_\text{in}>p_\text{out}</math>，由于社团内部的链接密度大于群体之间的链接密度，网络将具有群体结构。
如果<math>p_\text{in}>p_\text{out}</math>，由于社团内部的链接密度大于群体之间的链接密度，网络将具有群体结构。
在稀疏情况下, <math> p_\text{in} </math> 和 <math>p_\text{out}</math> 都以 <math>O(1/n)</math> 为比例，所以平均温度是恒定的，则有:
在稀疏情况下, <math> p_\text{in} </math> 和 <math>p_\text{out}</math> 都以 <math>O(1/n)</math> 为比例，所以平均温度是恒定的，则有:
<math>p_\text{in}=c_\text{in}/n</math> 和 <math>p_\text{out}=c_\text{out}/n</math>
<math>p_\text{in}=c_\text{in}/n</math> 和 <math>p_\text{out}=c_\text{out}/n</math>
然后就不可能在下列情况检测到这些社团<ref name=Decelle/>:
然后就不可能在下列情况检测到这些社团<ref name=Decelle/>: