Detectando estructuras centro-periferia en redes por sorpresa

Detectando estructuras núcleo-periféricas por sorpresa

Jeroen van Lidth de Jeude, Guido Caldarelli, Tiziano Squartini

	arXiv:1810.04717 [physics.soc-ph]
	(or arXiv:1810.04717v1 [physics.soc-ph] for this version)

Detectar la presencia de estructuras de mesoescala en redes complejas es de primordial importancia. Esto es especialmente cierto para las redes financieras, cuya organización estructural afecta profundamente su resiliencia a eventos como las cascadas predeterminadas, la propagación de choques, etc. Hasta ahora, se han propuesto varios métodos para detectar comunidades, es decir, grupos de nodos cuya conectividad es significativamente grande. Sin embargo, las comunidades no representan el único tipo de estructuras de mesoescala que caracterizan las redes del mundo real: otros ejemplos son proporcionados por estructuras de lazo, estructuras centro-periferia y estructuras bipartitas. Aquí proponemos un método novedoso para detectar estructuras bimodulares estadísticamente significativas, es decir, bipartitas o centrales-periféricas. Se basa en una modificación de la sorpresa, recientemente propuesta para la detección de comunidades. Nuestra variante permite que se revelen las particiones de los nodos bimodulares, al permitir que los enlaces se coloquen 1) dentro de la parte central y entre las partes central y periférica o 2) solo entre las capas (vacías) de una red bipartita. Desde un punto de vista técnico, esto se logra empleando una distribución hipergeométrica multinomial en lugar de la hipergeométrica tradicional (binomial); como en el último caso, esto permite asignar un valor p a cualquier (bi) partición dada de los nodos. Para ilustrar el rendimiento de nuestro método, informamos los resultados de su aplicación a varias redes del mundo real, incluidas las sociales, económicas y financieras.

1810 04717

Leer más publicaciones en Calaméo