公开研究副本:本地绝对路径、实验主机地址已脱敏。NA 保留,Dominator与流量社区不是功能金标;完整可执行库存仍缺失。角色与功能关联是可审核离线推断,未经人工金标或独立外部审查。历史代表截图不认证当次控件对齐。原件 SHA 只认证原件,公开字节 SHA 见发布清单。
Infomap:确认流量确实形成社区,但不是业务金标分区
可复算配置
成熟Infomap2.15.1 Python库,有向、加权、two_level=True、num_trials=5、num_threads=1、默认seed11、Markov time1、teleport0.15、unrecorded teleportation、Self-loop保留。对三种Back图各运行seed11/23/47 × Markov time0.5/1/2,十run共270次完整图划分;另外90次前缀图。保存版本、codelength、社区成员和参数;没有自己实现Infomap优化器。
| Run | G1 | G2 | G3 | G2_ARI | G3_ARI | 随机种子最小ARI |
|---|---|---|---|---|---|---|
| omninotes-Rep1 | 40 | 39 | 42 | 0.918 | 0.731 | 0.939 |
| omninotes-Rep2 | 36 | 37 | 36 | 0.901 | 0.726 | 1.0 |
| odkcollect-Rep1 | 16 | 16 | 18 | 0.928 | 0.339 | 1.0 |
| odkcollect-Rep2 | 16 | 15 | 20 | 0.902 | 0.448 | 1.0 |
| scarletnotes-Rep1 | 51 | 48 | 51 | 0.763 | 0.622 | 0.917 |
| scarletnotes-Rep2 | 35 | 35 | 42 | 0.914 | 0.715 | 0.939 |
| wikipedia-Rep1 | 93 | 90 | 92 | 0.842 | 0.808 | 0.844 |
| wikipedia-Rep2 | 86 | 89 | 90 | 0.837 | 0.743 | 0.867 |
| activitydiary-Rep1 | 33 | 32 | 32 | 0.862 | 0.885 | 0.943 |
| activitydiary-Rep2 | 37 | 38 | 38 | 0.838 | 0.616 | 0.846 |
默认G1共443个社区,其中349个非Singleton;不是443个已经确认的独立功能。降权/删除Back会改变分区,ODK两Rep去Back的ARI降至0.339/0.448,不能据此把Back清掉后最漂亮结果当主结论。固定Markov1时随机seed也会影响AD/Wiki等结果,完整敏感性见 sensitivity.csv。Markov尺度全范围最低ARI约0.106,社区尺度不稳定必须保留。
正例:ODK Download Rep2
Infomap-G1-004 = {g11s37,g11s38,g11s41,g20s82}:345来源执行(15.9%确认预算)、230内部、115确认进入、10次同连续段确认重入、完整停留P90=3、最长11步。全部109个冻结Download入口Target都在内;直接结构Region g11s38仅覆盖2个。不是靠把首页吞入获得高覆盖;首页g1s1在另一个社区。
事件#1899–1902:Download→同页Back→Cancel→Back到主菜单;同样三步后部片段反复出现,完整路径最高84次。对齐缺口使全轨迹被分段,重入10是保守段内计数,不是把115全部称重复进入。
反例与有用的不同粒度
- ODK Rep1最大社区14 State,含首页、列表和Download,消费1797/2074步、内部1746;这是跨功能导航循环,不能命名为纯Download Region。它仍是实际预算聚集单元,跨Rep业务边界不稳定。
- Omni Rep2
g8s37PasswordActivity单节点117来源执行、117自环;Infomap输出Singleton。它表明等待/无效输入也能占预算,不证明识别了功能状态群。Singleton单列,未混进非Singleton主比较。 - Omni Snooze Rep1一个真实连续流程被拆到
Infomap-G1-030/007/004(日期时间、重复规则、其他选择);全局划分不能保证同一业务所有分支相邻为一个社区。 - ActivityDiary共享编辑页面被全局单一模块分配,不能同时表达Add/Edit两个功能归属;业务多归属仍需入口和轨迹证据。
- Wikipedia不同搜索/文章/语言/媒体轨迹形成多个模块,不可把一个模块直接叫全站Search。
高内部流量部分是算法优化目标内生性,以上结论另经真实停留、重入、时间共现和留出检验。没有功能金标precision/recall,不提供“更准”的虚假百分比。