虽然网络中全局社区结构的推断最近已成为物理界非常感兴趣的话题，但所有这些算法都要求图形是完全已知的。在这里，我们定义了局部社区结构的度量和一种算法，该算法通过一次探索一个顶点来推断包含给定顶点的社区层次。此算法运行及时$\mathrm{<trans\; data-src="O">O（运行）</trans>}<trans\; data-src="(">(</trans>{\mathrm{<trans\; data-src="k">k个</trans>}}^{\mathrm{<trans\; data-src="2">2</trans>}}\mathrm{<trans\; data-src="d">d日</trans>}<trans\; data-src=")">)</trans>$对于一般图形，当$\mathrm{<trans\; data-src="d">d日</trans>}$是平均度数$\mathrm{<trans\; data-src="k">k个</trans>}$是要探索的顶点数。对于探索新顶点耗时的图，运行时间是线性的，$\mathrm{<trans\; data-src="O">O（运行）</trans>}<trans\; data-src="(">(</trans>\mathrm{<trans\; data-src="k">k个</trans>}<trans\; data-src=")">)</trans>$我们表明，在计算机生成的图形上，此技术的平均行为与需要全局知识的算法的平均行为近似。作为应用，我们使用该算法在在线零售商的大型推荐网络中提取有意义的局部聚类信息。

• 收到日期：2005年2月22日

内政部：https://doi.org/10.103/PhysRevE.72.026132