Algorithms and Dynamical Models for Communities and Reputation in Social Networks

یک مشکل دائمی هنگام یافتن جوامع در شبکه‌های پیچیده بزرگ، به اصطلاح محدودیت وضوح است. این پایان نامه با دقت به این موضوع می پردازد و مفهوم مهم بدون محدودیت رزولوشن را معرفی می کند. شایان ذکر است که تنها تعداد کمی از روش ها دارای این ویژگی مطلوب هستند و این پایان نامه یکی از این روش ها را مطرح می کند. علاوه بر این، در مورد چگونگی ارزیابی اینکه آیا جوامع ممکن است تصادفی رخ دهند یا خیر بحث می کند. یکی از جنبه هایی که اغلب در این زمینه نادیده گرفته می شود در اینجا مورد بررسی قرار می گیرد: پیوندها نیز می توانند منفی باشند، مانند جنگ یا درگیری. علاوه بر اینکه چگونه می توان این را در تشخیص جامعه گنجاند، پویایی چنین پیوندهای منفی را نیز با الهام از یک نظریه جامعه شناختی به نام تعادل اجتماعی بررسی می کند. این ارتباط جالبی با تکامل همکاری دارد، و نشان می دهد که برای ظهور همکاری، گروه ها اغلب در دو جناح مخالف تقسیم می شوند. علاوه بر این مشارکت‌های نظری، این پایان‌نامه همچنین حاوی یک تحلیل تجربی از تأثیر جوامع تجاری بر درگیری‌های بین‌المللی و چگونگی شکل‌گیری جوامع در یک شبکه استنادی با پیوندهای مثبت و منفی است.

A persistent problem when finding communities in large complex networks is the so-called resolution limit. This thesis addresses this issue meticulously, and introduces the important notion of resolution-limit-free. Remarkably, only few methods possess this desirable property, and this thesis puts forward one such method. Moreover, it discusses how to assess whether communities can occur by chance or not. One aspect that is often ignored in this field is treated here: links can also be negative, as in war or conflict. Besides how to incorporate this in community detection, it also examines the dynamics of such negative links, inspired by a sociological theory known as social balance. This has intriguing connections to the evolution of cooperation, suggesting that for cooperation to emerge, groups often split in two opposing factions. In addition to these theoretical contributions, the thesis also contains an empirical analysis of the effect of trading communities on international conflict, and how communities form in a citation network with positive and negative links.