Axiomatic Ranking of Network Role Similarity
社交网络和其他复杂网络分析中的一个关键任务是角色分析：根据节点与其他节点的交互方式对节点进行描述和分类。如果两个节点与等价的邻居集交互，则它们具有相同的角色。最基本的角色对等是自守对等。不幸的是，已知的图自同构的最快算法是非多项式的。此外，由于精确的等效性可能很少见，因此更有意义的任务是测量任何两个节点之间的角色相似性。这个任务与SimRank试图解决的结构或基于链接的相似性问题密切相关。然而，SimRank及其大多数分支并不足够，因为它们不能完全识别同构或结构等效的节点。在本文中，我们解决两个问题。首先，角色相似性度量或度量的必要属性是什么？其次，我们如何才能得到一个角色相似性度量满足这些属性？对于第一个问题，我们证明了几个公理性质所需的角色相似性度量或度量：范围，最大相似性，自守等价，传递相似性，和三角不等式。对于第二个问题，我们提出了RoleSim，一个新的相似性度量与一个简单的迭代计算方法。我们严格证明，RoleSim满足所有的公理性质。我们还介绍了一个冰山RoleSim算法，可以保证发现所有对RoleSim分数不低于用户定义的阈值$θ$，而不计算RoleSim的每一对。我们证明了RoleSim在合成和真实数据集上的卓越解释能力。
2011-06-10 cs.SI physics.soc-ph
Role model detection using low rank similarity matrix
计算有意义的节点簇对于分析大型网络至关重要。在本文中，我们采用新的聚类方法，以提高计算时间。我们利用邻接矩阵的性质，以获得更好的角色提取。我们还定义了一个新的非递归相似性度量，并将其结果与Browet的相似性度量进行了比较。我们将以线性时间复杂度展示不同角色的提取。最后，我们用实际的数据结构对算法进行了测试，并分析了算法的局限性。
2017-01-28 cs.SI physics.soc-ph
Interest communities and flow roles in directed networks: the Twitter network of the UK riots
方向性是许多复杂网络中的一个关键因素，在这些网络中，信息、能量或影响力得以传递。在这种有向网络中，分析流量（而不仅仅是连接的强度）对于揭示网络的重要特征至关重要，如果忽略连接的方向，这些特征可能会被忽略。我们在这里展示了一个基于流的方法，通过研究网络中最有影响力的Twitter用户在2011年英国骚乱的网络社区检测。首先，我们使用有向马尔可夫稳定性来提取网络在不同粗糙度下的兴趣社区描述，即，包含和加强信息流的节点组。这样的兴趣社区揭示了根据位置、职业、雇主和主题的用户分组。流的研究还使我们能够生成一个兴趣距离，这提供了一个个性化的网络中的注意力视图，从任何给定的用户的有利位置来看。其次，我们分析的配置文件的传入和传出的长距离流与基于角色的相似性和新的松弛最小生成树算法的组合方法，揭示了在网络中的用户可以分为五个角色。这些流角色超越了标准的领导者/追随者二分法，并且不同于基于常规/结构等同的分类。然后，我们表明，兴趣社区属于不同的信息组织特征的不同组合的用户角色，反映他们内部的对话质量。我们的通用框架可以用来提供洞察流是如何产生的，分布，保存和消费有向网络。
2014-10-08 cs.SI physics.soc-ph
Network comparison using directed graphlets
随着高通量细胞生物学的最新进展，细胞生物学数据的量急剧增长。这些数据通常被建模为图形（也称为网络），研究它们可以导致对分子水平组织的新见解。理解它们结构的一种可能方法是分析构成它们的较小组件，即网络图案和小图。小图特别适合比较网络和评估它们的相似性水平，但几乎总是用作最多五个节点的小无向图，因此限制了它们在有向网络中的适用性。然而，大量有趣的生物网络，如代谢、细胞信号传导或转录调控网络本质上是方向性的，并且使用忽略边缘方向的度量可能严重阻碍信息抽取。通过考虑小图的边方向，将小图的适用性扩展到有向网络。我们在一组有向生物网络上测试了我们的方法，并验证了它们使用有向小图按类型正确分组。然而，枚举大型网络中的所有graphlet是一项计算要求很高的任务。我们的实现解决了这个问题，通过使用一个国家的最先进的数据结构，g-特里，这是能够大大减少必要的计算。我们将我们的工具gtrieScanner与其他最先进的方法进行了比较，并验证了它是最快的graphlet计数工具。
2015-11-06 cs.SI physics.soc-ph q-bio.MN
Community detection and role identification in directed networks: understanding the Twitter network of the care.data debate
随着社交媒体作为辩论和讨论公共事务的重要渠道的兴起，推特等在线社交网络已成为公共信息和决策者参与的重要平台。为了通过Twitter进行有效沟通，政策制定者需要了解影响力和兴趣如何在其用户网络中传播。在这一章中，我们使用图论方法来分析围绕NHS英格兰的有争议的care.data计划的Twitter辩论。方向性是Twitter社交图的一个重要特征--信息从追随者流向追随者--但在社会网络分析中经常被忽略;我们的方法基于网络上动态过程的行为，可以自然地应用于有向网络。我们发现了强大的用户社区，并表明这些社区反映了信息如何通过Twitter网络流动。我们还可以根据用户在引导网络信息流中的不同角色对他们进行分类。我们的方法和结果将是有用的政策制定者谁想要有效地使用Twitter作为一种沟通媒介。
2015-08-13 cs.SI physics.soc-ph
Voter model on a directed network: Role of bidirectional opinion exchanges
在有向网络上数值研究了具有节点更新规则的选举模型。我们从一个有向分层树开始，并以概率$p$分割和重新连接每个传入弧。为了区分好的和坏的意见，我们打破了$Z_2$对称性（$σ= \pm 1$），给意见$σ= 1$更多的偏好。研究发现，随着$p$的增大，信息流通道的模式变得更加复杂，随着网络规模$N$的增大，系统最终会演化到这样一种状态，即尽管处于最高层的投票者保留了最差的意见，但仍有更多的投票者同意更好的意见.我们还发现，纯层次树的意见协议非常快，而最终的吸收状态可以很容易地影响选民在较高的排名。另一方面，尽管排序发生得慢得多，但双向信息流的复杂模式的存在允许系统同意更好的意见。
2010-05-17 cond-mat.stat-mech physics.soc-ph
Mechanisms for tuning clustering and degree-correlations in directed networks
随着复杂网络作为解决多学科问题的有效工具的出现，网络生成模型已经获得了自己的重要性。这些模型使我们能够广泛地分析从现实世界的网络中获得的数据，研究它们的相关性并证实理论结果。在这项工作中，我们介绍的方法，基于度保持重新布线，可以用来调整随机和无标度拓扑结构的有向网络的聚类和度相关性。他们提供了零模型来研究上述属性的作用以及它们的优势和局限性。我们发现，在聚类的情况下，结构关系，这是独立的拓扑结构和重新布线方案被揭示，而在度相关性的情况下，网络拓扑结构被发现发挥重要作用的机制的工作。我们还研究了链接密度对这些重新布线机制的效率的影响，发现在聚类的情况下，网络的拓扑结构在确定链接密度如何影响重新布线过程中起着重要的作用，而在度相关性的情况下，链接密度和拓扑结构，对于足够多的重新布线步骤没有作用。除了调整网络属性的预期目的之外，所提出的机制还可以用作揭示结构关系和拓扑约束的工具。
2017-05-04 cs.SI physics.soc-ph
The Directed Closure Process in Hybrid Social-Information Networks, with an Analysis of Link Formation on Twitter
人们经常认为，信息网络中的定向链接通常是通过“捷径”源和目的地之间的两步路径形成的，这是一种隐含的“链接复制”，类似于三重闭合过程。在社交网络中。尽管这一假设在诸如偏好依恋等理论模型中发挥了重要作用，但它却很少得到直接的实证研究。在这里，我们开发了一种形式化和方法来研究这种类型的定向关闭过程，我们提供的证据，其重要作用，在Twitter上的链接的形成。然后，我们分析了一系列的模型，旨在捕捉的结构现象，我们观察到的Twitter数据中的定向关闭。
2010-03-12 cs.CY physics.soc-ph stat.AP
Deciphering Unilateral Communication Patterns in Directed Temporal Networks: Network Role Distribution Approach
本文提出一种结合网络理论与动态媒体影响分析的有向网络仿真框架，通过模拟五个具有不同通信角色的集群交互，剖析并可视化社交网络中的单向偏好通信模式，以辅助检测和缓解在线掠夺等潜在有害活动。
2024-04-19 cs.SI physics.soc-ph
Influence of Reciprocal links in Social Networks
在这封信中，我们实证研究互惠联系的影响，以了解它在影响定向社交网络的结构和功能中的作用。在两个具有代表性的数据集新浪微博和豆瓣上的实验结果表明，在传播信息和保持网络鲁棒性方面，互惠链接确实比非互惠链接发挥了更重要的作用。特别地，通过考虑互逆效应，可以显著地增强信息传播过程。此外，互惠链接在很大程度上负责有向网络的连通性和效率。本文的工作对于深入理解和应用有向在线社交网络中的互惠效应具有一定的启发意义。
2013-06-24 cs.SI physics.soc-ph
Loss of transmission on directed networks due to link deletion
我们调查的影响，链路删除1对1的传输过程中发生的各种模型的有向网络和成功的传输和平均传输时间的分数来表征他们。我们直观的参数和数值表明，成功传输的概率取决于，平均而言，在分数大小的强连接组件（SCC）和平均传输时间取决于SCC的平均路径长度（APL）。在一个特定的道路网络的背景下，我们研究了各种过程参数的作用。最后，我们提供了补救策略，以改善传输过程中的链接删除在这样的网络。
2019-07-09 cs.SI physics.soc-ph
Centrality properties of directed module members in social networks
最近的几项复杂网络研究提出了定位网络社区的算法，也称为模块或集群，它们大多被定义为具有密集内部连接的节点组。随着这些聚类技术的迅速发展，揭示群落之间重叠的能力也变得非常重要。团渗透法（CPM）及其扩展到有向图的CPMd算法提供了一种定位重叠模块的有效搜索技术。在这里，我们调查的中心属性的有向模块成员在社交网络从电子邮件交流和社会计量问卷。我们的研究结果表明，模块之间的重叠节点在所研究的系统中发挥着核心作用。此外，这两种不同类型的网络表现出有趣的差异之间的关系的中心性措施和节点的作用，在有向模块。
2008-09-03 physics.soc-ph
Scalable Spectral Algorithms for Community Detection in Directed Networks
社区发现一直是网络研究中的核心问题之一，而有向网络由于其链路间的不对称性，使得社区发现问题更具挑战性。在本文中，我们发现，将链接的方向揭示了社区的两个不同的角色，源和终端，一个节点在每个社区中扮演的新的观点。有趣的是，这样的社区似乎与邻接矩阵的图拉普拉斯算子的独特谱性质有关，我们利用正则化SVD方法来利用这种联系。我们提出了收获算法，再加上正则化的SVD，是线性可扩展的有效识别社区在巨大的有向网络。该算法在基准网络上的模拟实验表明了良好的性能和可扩展性，并在实际网络应用中成功地恢复了社区。
2013-09-23 cs.SI physics.soc-ph stat.ML
Clustering and Community Detection in Directed Networks: A Survey
网络（或图）作为主导结构出现在不同的领域，包括社会学、生物学、神经科学和计算机科学。在上述大多数情况下，图是有向的-在边缘上存在方向性的意义上，使得边缘的语义不对称。真实网络呈现的一个有趣的特征是聚类或社区结构属性，在该属性下，图拓扑被组织成通常称为社区或集群的模块。这里的本质是同一社区的节点高度相似，而相反，社区之间的节点相似性较低。揭示有向复杂网络的底层社区结构已成为一个重要的跨学科课题，具有大量的应用。因此，自然地，在挖掘有向图的领域中最近有大量的研究成果-聚类是社区发现和评估的主要方法和工具。本文的目标是提供一个深入的审查的方法，迄今提出的聚类有向网络以及相关的必要的方法背景和相关的应用。调查首先提供了一个简明的基本概念和方法论基础上，图聚类算法利用。然后，我们提出了相关的工作沿着两个正交分类。第一个主要是关注的聚类算法的方法论原则，而第二个方法的观点，关于一个好的集群在有向网络的属性。此外，我们提出的方法和度量图聚类结果的评估，展示有趣的应用领域，并提供有前途的未来研究方向。
2013-08-05 cs.IR cs.SI physics.bio-ph
Identifying hubs in directed networks
本文提出基于最小描述长度原则的高效非参数方法，用于在有向网络（包括无权和加权网络）中分类识别枢纽节点，为网络枢纽提供了清晰且有原则的定义。
2024-03-22 cs.SI physics.soc-ph
Relative opinion similarity leads to the emergence of large clusters in opinion formation models
本研究提出考虑相对观点相似性的有界置信观点形成模型变体，仿真发现相对相似性权重增大会扩大最大观点集群规模，阈值参数与集群规模呈倒U关系，可防止观点极化。
2023-02-05 physics.soc-ph
Temporal Motif Participation Profiles for Analyzing Node Similarity in Temporal Networks
Case Western Reserve University（凯斯西储大学）
本文提出时间 motif 参与度谱（TMPPs）用于分析时间网络中节点相似性，通过模拟实验和案例研究展示其在揭示节点角色相似性方面的有效性。
2026-02-03 cs.SI physics.soc-ph
Magnetic eigenmaps for community detection in directed networks
有向网络中的社区通常被描述为具有高密度链接的区域，或具有某些连接模式的节点集。我们的社区检测方法结合了质量函数的优化和组合拉普拉斯算子变形的谱聚类，即所谓的磁性拉普拉斯算子。磁拉普拉斯算子的本征函数，我们称之为磁本征映射，包含了结构信息。因此，使用磁本征图，可以揭示包括有向循环的密集社区以及具有运行流的网络中的“角色”社区，通常是由于混合模型而发现的。此外，在马尔可夫稳定性方法的精神，在网络中的不同能级的社区提出了一种研究方法，基于量子力学系统在有限温度下。
2016-07-18 cs.SI math-ph math.MP
Similarity-based Link Prediction from Modular Compression of Network Flows
节点相似性分数是用于聚类、节点分类、异常检测和链接预测的图中的机器学习的基础，其应用于生物系统、信息网络和推荐系统。最近的链接预测工作使用向量空间嵌入来计算无向网络中的节点相似性，具有良好的性能。尽管如此，它们仍有一些缺点：有限的可解释性，需要超参数调整，通过降维进行手动模型拟合，以及定向链接预测中对称相似性的性能较差。我们提出了MapSim，一个信息理论的措施来评估节点的相似性的基础上模块化压缩的网络流。与向量空间嵌入不同，MapSim表示社区的离散非度量空间中的节点，并以无监督的方式产生非对称相似性。我们比较MapSim的链接预测任务，流行的嵌入式算法在47个网络，并发现MapSim的平均性能在所有网络是超过7%高于其最接近的竞争对手，优于所有嵌入方法在11个47个网络。我们的方法展示了基于压缩的方法在图表示学习中的潜力，在其他图学习任务中具有很好的应用前景。
2023-01-27 cs.SI physics.soc-ph
The distance backbone of directed networks
针对原有加权图距离骨干网挖掘方法仅适用于无向图的局限，研究将该代数原理方法拓展至加权有向图，验证9个不同领域有向网络普遍存在大量冗余，为网络稀疏化与鲁棒性度量提供新工具。
2022-09-02 cs.DS cs.SI physics.soc-ph
Multilayer Analysis of the Global Trade Network
Queen Mary University of London（伦敦大学皇家玛丽学院）；Università di Siena（锡耶纳大学）；Sorbonne Université, Paris Brain Institute (ICM), CNRS UMR7225, INRIA Paris, INSERM U1127, Hôpital de la Pitié-Salpêtrière, AP-HP（索邦大学，巴黎脑研究所（ICM），CNRS UMR7225，INRIA巴黎，INSERM U1127，皮蒂埃-萨尔佩特里埃尔医院，AP-HP）；Dipartimento di Fisica ed Astronomia, Università di Catania, and INFN Catania（卡塔尼亚大学物理与天文系及INFN卡塔尼亚分部）；Complexity Science Hub Vienna（维也纳复杂性科学中心）
本研究利用BACI数据构建1995-2024年时间多层全球贸易网络，提出基于随机游走的相似性度量，揭示网络短期稳定长期渐变、产品社区与官方分类部分不符及经济体结构影响力非由贸易量单独决定等隐藏模式。
2026-09-21 physics.soc-ph
The Similarity of Global Value Chains: A Network-Based Measure
国际贸易越来越多地以全球价值链的形式组织起来，不同的生产阶段位于不同的国家。最近的这一现象对国家或区域一级的贸易政策设计和公司一级的商业决策都产生了重大影响。在本文中，我们提供了一种新的方法来比较不同国家和不同时期的全球价值链。首先，我们使用世界投入产出数据库（WIOD）来构建上下游全球价值网络，其中节点是不同国家的单个部门，链接是增值贡献关系。其次，我们引入了一个基于网络的节点相似性的措施，以比较任何一对国家之间的每个部门和每年在WIOD的全球价值链。我们的基于网络的相似性是一个更好的衡量节点比较比现有的，因为它考虑到所有的国家部门对之间的直接和间接的关系，适用于有向和加权网络与自循环，并考虑到外部定义的节点属性。因此，我们对相似性的衡量揭示了全球价值链在不同国家和不同时期之间最密集的互动。从1995年到2011年，部门和国家之间的平均相似性有明显的增加趋势，但最近的经济危机暂时中断了这一趋势。对全球价值链相似性的这种衡量，为全球生产体系中的依赖性、可持续性、风险和竞争等重要问题提供了定量答案。
2015-08-18 physics.soc-ph q-fin.GN
Random walks in directed modular networks
由于扩散通常涉及对称的相互作用，很少注意力集中在研究不对称的情况下。然而，重要的网络系统（如皮层网络和万维网）的基础上的扩散是固有的方向。在无向扩散的情况下，可以证明随机游走动力学的稳态概率与度完全相关，这对于有向网络不再成立。我们研究了这种概率和模块化网络中的内向节点度（我们称之为效率）之间的关系。我们的研究结果表明，一个给定的社区的效率主要取决于它的流入和流出之间的平衡。此外，我们推导出的解析表达式表明，内部度的节点不发挥其效率的关键作用，当考虑Erdens-Rényi和Barabási-Albert模型。结果说明猕猴皮层网络，提供补贴，改善交通和通信系统。
2016-07-22 cond-mat.stat-mech physics.bio-ph physics.soc-ph
