مقاله #373

چکیده. کشف ساختار جوامع نمایش داده شده در شبکه‌های واقعی گامی مهم در راستای درک سیستم‌های پیچیده ای است که، فراتر از سازمان‌های محلی سهام دارانشان می روند. الگوریتم‌های بسیاری تاکنون ارائه شده اند، اما هیچ یک از آن‌ها مرتبط با آزمون‌های جدی برای ارزیابی کارایی خود نیستند. اکثریت آزمون‌های پراکندگی اجرا شده، با شبکه‌های کوچک با ساختار جوامع شناخته شده و/یا گراف‌های مصنوعی با یک ساختار ساده سازی شده، سروکار دارند که در سیستم‌های واقعی چندان رایج نیستند. در این جا، چندین روش را در برابر دسته معرفی شده اخیر از گراف‌های معیاری، با توزیع‌های همگون درجه و اندازه جوامع، آزمون می نماییم. این روش‌ها همچنین در برابر معیارهایی توسط گیروان و نیومن و در گراف‌های تصادفی آزمون شده اند. به عنوان نتیجه تحلیل خودمان، 3 الگوریتم اخیرا معرفی شده توسط روسال و برگستروم، بلوندل و همکاران و رنود و نوسینوف را دارای یک کارایی بسیارخوب با مزایای اضافی پیچیدگی محاسباتی اندک هستند که، قادر به تحلیل سیستم‌های بزرگ می باشند.