स्टोकास्टिक ब्लॉकमोडल और नेटवर्क में समुदाय संरचना

स्टोकास्टिक ब्लॉकमोडल को नेटवर्क में समुदाय संरचना का पता लगाने के लिए एक उपकरण के रूप में प्रस्तावित किया गया है, साथ ही बेंचमार्क के रूप में उपयोग के लिए सिंथेटिक नेटवर्क उत्पन्न करने के लिए। हालाँकि, अधिकांश ब्लॉकमोडल शिखर डिग्री में भिन्नता को अनदेखा करते हैं, जिससे वे वास्तविक दुनिया के नेटवर्क के लिए अनुप्रयोगों के लिए अनुपयुक्त बन जाते हैं, जो आमतौर पर विस्तृत डिग्री वितरण प्रदर्शित करते हैं जो परिणामों को महत्वपूर्ण रूप से प्रभावित कर सकते हैं। यहाँ हम प्रदर्शित करते हैं कि इस गायब तत्व को शामिल करने के लिए ब्लॉकमोडल का सामान्यीकरण जटिल नेटवर्क में समुदाय पहचान के लिए एक सुधारित उद्देश्य कार्य कैसे लाता है। हम इस उद्देश्य कार्य या इसके गैर-डिग्री-संसोधित समकक्ष का उपयोग करके समुदाय पहचान के लिए एक ह्यूरेस्टिक एल्गोरिदम भी प्रस्तावित करते हैं और दिखाते हैं कि डिग्री-संसोधित संस्करण वास्तविक और सिंथेटिक दोनों नेटवर्क में अनसंसोधित संस्करण की तुलना में नाटकीय रूप से बेहतर प्रदर्शन करता है।