Resumen

Con el fin de hacer la evaluación del rendimiento de los algoritmos de detección de comunidades más precisa y profundizar en nuestro análisis de las estructuras de comunidades y características funcionales de las redes de la vida real, se diseña un nuevo método de construcción de benchmarks desde la perspectiva de reconfigurar directamente los enlaces en una red de la vida real en lugar de construir un modelo. Basándonos en este método, se proponen dos tipos de benchmarks novedosos con funciones especiales. El primer tipo puede aproximar con precisión las características estructurales a microescala y mesoescala de la red original, proporcionando proxies ideales para redes de la vida real y ayudando a realizar análisis del rendimiento de los algoritmos de detección de comunidades cuando una red real varía en características en múltiples escalas. El segundo tipo es capaz de variar de forma independiente la intensidad de las comunidades en cada benchmark generado y hacer que la evaluación de la robustez de los algoritmos de detección de comunidades sea más precisa. Los resultados experimentales demuestran la efectividad y superioridad de

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Algoritmos de detección de comunidades; Método de construcción de referencia; Redes del mundo real; Estructuras de comunidades; Características funcionales; Evaluación de rendimiento
• Keywords:Community detection algorithms; Benchmark constructing method; Real-life networks; Community structures; Functional characteristics; Performance evaluation