Co-author(s) :

Mkhitaryan Karen ; Мхитарян Карен

Abstract:

Real world complex networks possess hidden information called communities or clusters, which are composed of nodes that are tightly connected within communities and weakly connected between communities. Investigation of communities proved to have countless applications in different sciences such as computer science and machine learning, biology, economics, and social networks. Parallel to the development of various detection algorithms, probabilistic network models also gained more attention, particularly stochastic block model which is a generative model for random graphs generating networks with community structure. This paper explores the state of the art on the connections of stochastic block model with information theory.
; Реальные сложные сети обладают скрытой информацией под названием сообщества или кластеры, состоящих из узлов, тесно связаных в кластере и слабо связанных между сообществами. Исследование сообществ подтвердило бесчисленное множество применений в различных науках, таких как компьютерные науки и машинное обучение, биология, экономика и социальные сети. Параллельно с развитием различных алгоритмов обнаружения сообществ, модели вероятностных сетей также привлекают больше внимания, в частности стохастическая блочная модель, которая создает сети со структурой сообщества. В данной статье исследуется современное состояние науки о связях стохастической блок модели с теорией информации.

Publisher:

Information-Theoretic Approach to Community Detection Problem

Identifier:

oai:noad.sci.am:135988

ISSN:

0131-4645

Language:

English

Journal or Publication Title:

Mathematical Problems of Computer Science

Volume:

47

URL:

click here to follow the link

Affiliation:

Institute for Informatics and Automation Problems of NAS RA

Country:

Armenia

Year:

2017

Indexing:

ASCI