Community detection in multiplex networks

Magnani Matteo, Hanteer Obaida, Interdonato Roberto, Rossi Luca, Tagarelli Andrea. 2021. Community detection in multiplex networks. ACM Computing Surveys, 5 (3):48, 35 p.

https://doi.org/10.1145/3444688

Article de revue ; Article de recherche ; Article de revue à facteur d'impact

Version publiée - Anglais
Accès réservé aux personnels Cirad
Utilisation soumise à autorisation de l'auteur ou du Cirad.
3444688.pdf
Télécharger (4MB) | Demander une copie

Url - autres données associées : https://bitbucket.org/uuinfolab/20csur/src/master/

Quartile : Outlier, Sujet : COMPUTER SCIENCE, THEORY & METHODS

Liste HCERES des revues (en SHS) : oui

Thème(s) HCERES des revues (en SHS) : Psychologie-éthologie-ergonomie

Résumé : A multiplex network models different modes of interaction among same-type entities. In this article, we provide a taxonomy of community detection algorithms in multiplex networks. We characterize the different algorithms based on various properties and we discuss the type of communities detected by each method. We then provide an extensive experimental evaluation of the reviewed methods to answer three main questions: to what extent the evaluated methods are able to detect ground-truth communities, to what extent different methods produce similar community structures, and to what extent the evaluated methods are scalable. One goal of this survey is to help scholars and practitioners to choose the right methods for the data and the task at hand, while also emphasizing when such choice is problematic.

Mots-clés Agrovoc : analyse de réseau, réseau, commune, analyse de données, taxonomie (gestion de l'information)

Mots-clés libres : Réseaux complexes, Analyse de réseaux, Détection de communautés, Réseaux multicouche, Community Detection

Classification Agris : U10 - Informatique, mathématiques et statistiques
C30 - Documentation et information

Champ stratégique Cirad : CTS 7 (2019-) - Hors champs stratégiques

Auteurs et affiliations