A Method for Group Extraction and Analysis in Multilayer Social Networks
本文主要研究的是一个多层次的社会网络(MSN)及其分析。社区抽取是多层次社会网络分析的关键问题之一。针对这一问题,本文提出了交叉分层边缘聚类系数(CLECC)。它是一种边缘度量,表示两个给定用户的邻居彼此相似的程度。在此基础上,设计了一种多层次社交网络社区抽取的CLECC算法。该算法在真实的单层社交网络(SSN)和多层社交网络(MSN)以及GN Benchmark(SSN)、LFR Benchmark(SSN)和mLFR Benchmark(MSN)的基准网络上进行了测试。本文研究的第二个问题是群体进化发现。对这个问题的研究导致了包容性度量和组进化发现(GED)方法的发展,该方法旨在识别社交网络中连续时间范围内两个组之间的事件。该方法在一个真实的社交网络上进行了测试,并与两个著名的算法在准确性,执行时间,灵活性和易于实现方面进行了比较。最后,提出了一种新的预测社会网络中群体演化的方法。新方法涉及使用GED方法的输出。它示出,即使使用一个简单的序列,其中包括几个前面的组大小和事件,作为输入的分类器,学习模型可以产生非常好的结果也简单的分类器。
2016-12-07 cs.SI physics.soc-ph
Transmission of cultural traits in layered ego-centric networks
虽然已经开发了一些模型来研究社会系统中文化的出现和进化阶段,但有一个重要方面尚未得到充分强调。这是作为传播文化特征的渠道的社会关系基础网络的结构,预计将在社会系统的进化过程中发挥关键作用。在本文中,我们有助于理解网络结构的作用,通过开发一个分层的以自我为中心的网络结构为基础的模型,受社会脑假设的启发,研究文化特征的传播及其在社会网络中的演变。对于这个模型,我们首先找到的精神,平均场近似的分析结果,然后验证的结果,我们将它们与广泛的数值模拟的结果进行比较。
2014-11-19 cs.SI physics.soc-ph
Extraction of Multi-layered Social Networks from Activity Data
在各种基于网络的系统中收集的数据,使用户能够相互交互,提供了一个机会来提取由人和他们之间的关系组成的社交网络。由于发现的连接的数量和类型,新兴结构非常复杂。在基于Web的系统中,用户之间的每个交互的特征元素是总是有一个对象作为通信媒介。这可以是例如从一个用户发送到另一个用户的电子邮件或由一个用户创作并由其他用户评论的论坛上的帖子。基于这些对象和用户对它们执行的活动,可以识别和提取不同种类的关系。另一个挑战来自对象之间可能存在层次结构的事实,例如,论坛由一组或多组主题组成,每个主题包含最终包含帖子的主题。在本文中,我们提出了一种新的方法,用于创建多层次的社会网络的基础上,对不同类型的对象之间存在的层次结构的用户活动的数据。由于扁平化、预处理过程,可以识别和分析多层社交网络中的新层和新关系。
2014-07-03 cs.SI physics.soc-ph
Social Network Analysis of Corruption Structures: Adjacency Matrices Supporting the Visualization and Quantification of Layeredness
通常,腐败被描述为发生在一个网络中或由一个网络支持:一个以某种方式组织起来的个人的集合,以便能够进行贿赂交易。令人惊讶的是,尽管有网络术语,但很少使用网络科学的工具从网络角度分析腐败。在此,我们将论证,从网络科学的视角来分析腐败,有利于对腐败的认识。在通过这一章,一个贡献的自由Amicorum在荣誉利奥休伯特,然后给出了一个非常简短的介绍社会网络分析。
2019-09-17 cs.SI physics.soc-ph
Exploring Trust-Aware Neighbourhood in Trust-based Recommendation
传统的推荐系统(RS)不考虑任何个人用户信息以外的评级历史。另一方面,这类信息在社交网站(Facebook、Twitter)上广泛提供。结果,社交网络近来已被用于推荐系统中。在本文中,我们提出了一种有效的方法,将社会信号的推荐过程中建立一个信任网络,补充用户的评级配置文件。我们首先展示了不同冷启动用户类型对协同过滤(CF)技术在几个现实世界的数据集的影响。之后,我们提出了一个“信任感知邻域”算法,解决了前者的性能问题,通过限制可信邻域。与传统的CF技术相比,我们的评级覆盖率增加了一倍,并且在某些数据集的准确性方面有了显着的提高。针对冷启动用户,我们提出了一种“混合信任感知邻域”算法,该算法通过考虑用户的信任和评级历史来扩展邻域。我们用一个丰富的信任网络数据集Flixster展示了一个近乎完整的覆盖范围。最后,我们讨论了该算法在受限云环境中的潜在实现。
2016-08-18 cs.IR cs.SI
Layered Label Propagation: A MultiResolution Coordinate-Free Ordering for Compressing Social Networks
我们继续从WebGraph开始的关于图压缩的研究路线,但是我们将重点转移到社交网络的压缩(例如,LiveJournal):已经使用了很长时间来压缩web图的方法依赖于节点的特定排序(字典法URL排序),其扩展到一般社交网络并非微不足道。在本文中,我们提出了一个解决方案,混合聚类和订单,并设计了一个新的算法,称为分层标签传播,建立在以前的工作可扩展的聚类,可用于重新排序非常大的图(数十亿个节点)。我们的实现使用过度分解来积极地在多核架构上执行,使得在几个小时内重新排序超过6亿个节点的图形成为可能。在各种各样的网络图和社交网络上进行的实验表明,将所提出的算法产生的顺序与WebGraph压缩框架相结合,相对于所有当前已知的技术,在网络图和社交网络上都提供了压缩的重大增加。这些改进使得在主存储器中分析更大的图形成为可能。
2011-10-14 cs.DS cs.SI physics.soc-ph
On neighbourhood degree sequences of complex networks
网络拓扑是网络科学的一个基本方面,它使我们能够深入了解我们所居住的世界的复杂关系架构。我们提供了第一个具体的研究复杂网络中的邻域度序列。我们考虑如何明确地描述重要的物理概念,如相似性,异质性和组织在这些序列中,以及更新的概念层次复杂性,以反映以前未被注意的组织原则。我们还指出,邻域度序列与一个强大的子树核无标号图分类。我们研究了这些新定义的序列属性在一个全面的数组的图形模型和超过200个现实世界的网络。我们发现,这些指数既不高度相关,彼此也不与经典的网络指数。重要的是,我们发现各种各样的真实世界网络的序列比给定度分布的网络具有更大的相似性和组织性。值得注意的是,虽然生物、社会和技术网络都表现出一贯的大邻域相似性和组织性,但层次复杂性并不是现实世界网络的一贯特征。邻域度序列是描述复杂网络独特而重要的特征的一个有趣的工具。
2019-05-08 cs.SI physics.soc-ph
A Multilayer Approach to Multiplexity and Link Prediction in Online Geo-Social Networks
在线社交系统本质上是多元的,因为在不同社交网络上的相同两个用户之间可能存在多个链接。在这项工作中,我们介绍了一个框架,研究用户之间的联系和互动超越个人的社会网络。探索两个流行的在线平台的横截面-Twitter和基于位置的社交网络Foursquare-我们将两者一起表示为复合多层在线社交网络。通过这种模式,我们研究的用户对区分那些在一个或两个网络上的链接之间的相互作用。我们发现,与仅在其中一个社交网络上连接的配对相比,在两个网络上连接的具有多重链接的用户交互更多,并且在两个平台上具有更大的邻域重叠。特别是,用户最频繁的位置相当接近,并且多路复用链路之间的相似性相当大。我们提出了一些结构和相互作用的功能,如多层的Adamic/Adar系数,这是基于扩展的概念,超越了单一的网络的节点邻域。我们的评估,其目的是阐明的多重链接生成过程的影响,表明多层功能,构建跨社交网络的属性,比他们的单网络同行在预测跨网络的链接。我们建议,从多个网络中的多层配置的信息相结合,可以提供新的见解,在线社交网络上的用户交互,并可以显着提高链接预测整体与社会引导和朋友推荐有价值的应用。
2015-08-31 cs.SI physics.soc-ph
Approximate Privacy-Preserving Neighbourhood Estimations
匿名社交网络为现有的社会网络分析技术提出了许多新的和具有挑战性的问题。传统上,用于分析图结构的现有方法,例如社区发现,需要图结构的全局知识。这意味着一个中心化的实体必须能够访问图中每个节点的边列表。这对于匿名社交网络和其他参与者重视隐私的环境是不可能的。此外,使用他们的图结构输入进行学习任务违背了匿名的目的。在这项工作中,我们假设可以重新使用HyperANF a.k.a HyperBall算法-用于近似直径估计-用于朋友推荐系统的隐私保护社区发现任务,该系统从具有有限隐私影响的社交网络图结构的匿名表示中学习。这是可能的,因为HyperBall维护的核心数据结构是一个HyperLogLog,它具有一个计数器,用于计算来自给定节点的可达邻居的数量。在未来的分散式学习部署中交换这种数据结构不会泄露关于节点邻居的信息,因此确实保护了图结构的隐私。
2021-06-19 cs.DS cs.SI
Measuring social mobility in temporal networks
本文定义层级流动性等时序相关统计量,衡量节点度增长倾向随时间的变化,并在人工模型和26个真实时序网络上验证其能揭示网络结构动态并区分不同领域网络。
2025-02-04 cs.SI physics.soc-ph
Why echo chambers form and network interventions fail: Selection outpaces influence in dynamic networks
在线网络服务是否参与了促使社会恶化的进程?在两个经验知情的模拟研究中,我们给出了一个概念证明,网络的速度和放大网络参与者的关系偏好可以对社交网络上的扩散动态产生深远的影响,基本上抵消了根据弱关系论点的强度应该从网络中获得的好处。我们的研究结果可以帮助理解网络邻域同质性的变化,即,这些社区充当“回音室”的程度,以及某种类型的网络干预研究的成功率对背景的高度依赖性。他们认为,像今天这样在互联网上发生的连接的一般促进,结合个性化算法的使用,对受影响的社交网络上展开的动态过程具有强烈而未充分理解的影响。
2018-09-29 cs.SI physics.soc-ph stat.AP
Simulation and Augmentation of Social Networks for Building Deep Learning Models
Bournemouth University(伯恩茅斯大学);University of Technology Sydney(悉尼科技大学)
图卷积网络(GCN)的局限性在于,它假设在神经网络模型的特定$l^{th}$层处,只有社交网络的$l^{th}$阶邻域节点是有影响的。此外,GCN已经在引用和知识图谱上进行了评估,但没有广泛地在基于友谊的社交图谱上进行评估。与GCN的层之间的依赖性和节点邻域的顺序相关联的缺点对于基于友谊的图可能更普遍。评估GCN在基于友谊的社交网络上的全部潜力需要大量公开可用的数据集。然而,大多数可用的社交网络数据集并不完整。此外,大多数可用的社交网络数据集不包含特征和地面实况标签。在这项工作中,首先,我们提供了一个指导方针,模拟动态社交网络,地面真相标签和功能,都与拓扑结构相结合。其次,我们介绍了一个开源的基于Python的仿真库。我们认为,网络的拓扑结构是由一组潜在的变量,被称为社会DNA(sDNA)。我们认为sDNA作为标签的节点。最后,通过对我们的模拟数据集进行评估,我们提出了四种新的GCN变体,主要是为了克服节点邻域的顺序与模型的特定层之间依赖性的限制。然后,我们评估了所有模型的性能,我们的结果表明,在30个模拟数据集中,我们提出的GCN变体有27个优于原始模型。
2019-08-30 cs.LG cs.SI stat.ML
Going beyond communication intensity for estimating tie strengths in social networks
尽管关系强度的概念是社会网络分析的核心,但很难量化社会关系的强度。在数据驱动的研究中,估计联系强度的一种典型方法是简单地计算两个人之间接触的总数或持续时间。然而,这忽略了可以从用于社交网络重建的丰富数据集中提取的许多特征。在这里,我们专注于时间信息的联系人数据。我们系统地研究了接触时间序列的特征如何与通常与领带强度相关的拓扑特征相关。我们分析了一个大型的移动电话数据集,并测量了每个领带的通话时间序列的一些属性,并使用这些来预测所谓的邻域重叠,这是一个与社会学文献中的强联系相关的特征。我们观察到时间特征和邻域重叠之间的密切关系,许多特征优于简单的接触计数。突出的特征包括呼叫的天数、突发级联的数量、典型的联系次数和时间稳定性。我们的研究结果表明,这些措施可以适用于社会网络建设,并表明,最好的结果可以通过结合多种时间特征。
2020-07-28 cs.SI physics.data-an physics.soc-ph
Linguistic neighbourhoods: explaining cultural borders on Wikipedia through multilingual co-editing activity
在本文中,我们研究了语言社区之间的全球互联网络,基于维基百科编辑者的共同编辑兴趣,并表明,尽管英语被讨论为数字空间的潜在通用语,但其主导地位在共同编辑相似性网络中消失,取而代之的是本地连接。在我们探讨的假设中,双语、语言的相似性和共同的宗教信仰为文化社区之间的兴趣相似性提供了最好的解释。人口吸引力和地理上的接近也很重要,但将社区聚集在一起的因素要弱得多。此外,我们提出了一种方法,允许提取重要的文化边界从维基百科用户的编辑活动,并比较一组假设的社会机制产生这些边界。我们的研究揭示了文化是如何反映在维基百科上存档知识的集体过程中,并表明维基百科上的跨语言互连并不受一种强大的语言的支配。我们的发现也为维基媒体基金会提出了一些重要的政策问题。
2016-03-14 cs.SI physics.soc-ph
A new generalization of edge overlap to weighted networks
寻找网络中的优势一直是一个很大的需求。在社交网络的背景下,它允许估计用户之间的关系强度。计算边缘强度的最著名的方法是邻域重叠。它计算边缘终端节点的公共邻居与所有邻居的比率。这种方法最初是针对未加权网络提出的,后来扩展到加权网络。这两个版本的方法在数学上并不等价:事实上,一个未加权的网络通常被认为是加权的,所有边的权重都等于1。在这样的网络上使用两个现有版本的邻域重叠会产生完全不同的值。在本文中,我们解决了这个问题,并提出了一个新的推广邻域重叠,同样适用于未加权和加权网络。在具有各种参数的网络上进行的实验表明,我们的措施与现有措施的性能相似。
2020-02-08 cs.SI physics.soc-ph
HyperANF: Approximating the Neighbourhood Function of Very Large Graphs on a Budget
图G的邻域函数N(t)给出了对于每个t,使得y从x在少于t跳内可达的节点对<x,y>的数量。邻域函数提供了关于图的丰富信息(例如,它很容易允许人们计算它的直径),但是精确地计算它是非常昂贵的。最近,ANF算法(近似邻域函数)已被提出,其目的是在大型图上近似NG(t)。我们描述了一个突破性的改进ANF的速度和可扩展性。我们的算法,称为HyperANF,使用新的HyperLogLog计数器,并通过广义编程有效地结合起来,我们的实现使用过度分解,利用多核并行。使用HyperANF,我们第一次可以在几个小时内计算具有数十亿个节点的图的邻域函数,并且使用标准工作站具有小的误差和良好的置信度。然后,我们转向研究可达节点之间的最短路径的分布(可以通过HyperANF有效地近似),并发现令人惊讶的事实,即其分散指数提供了一个明确的特征,适当的社交网络与网络图。因此,我们提出了一个图的spid(最短路径分散指数)作为一个新的,翔实的统计,能够区分上述两种类型的图。我们相信这是第一个建议的一个重要的新的非局部结构指数的复杂网络的计算是高度可扩展的。
2011-01-26 cs.DS cs.SI physics.soc-ph
A Hierarchical Approach for Investigating Social Features of a City from Mobile Phone Call Detail Records
手机服务提供商不断收集呼叫详细记录(CDR)作为包含电话用户时空轨迹的使用日志。我们提出了一个针对大型时空数据集的多层层次分析模型,并将其应用于城市社会特征的渐进探索,例如,社会活动,关系和团体,从CDR。该方法利用CDR作为初始层的初步输入,并将连续层的分析结果添加到知识库中,以用于后续层,以探索更详细的社会特征。每个后续层使用来自先前层的结果,促进发现仅使用原始CDR的单层方法中不可预测的更深入的社交特征。该模型从探索社会特征的汇总概述开始,逐渐关注社会关系和群体的全面细节,这有助于研究CDR数据集的新方法,以逐步探索人口密集城市的社会特征。
2022-12-11 cs.SI
Interplay between tie strength and neighbourhood topology in complex networks: Granovetter's theory and beyond
本文指出非对称度量在证实格兰诺维特弱关系理论时会引入结构性相关,提出用相关剖面过滤这些干扰,并在社会、代谢和神经网络中证实了权重-拓扑相关性,表明该理论是更一般复杂网络原理的社会学表现。
2024-02-04 cond-mat.dis-nn cs.CY cs.SI
Sampling Online Social Networks by Random Walk with Indirect Jumps
基于随机游走的采样方法在表征大型网络方面越来越受欢迎和重要。虽然功能强大,但当图是松散连接时,它们会遇到混合速度慢的问题,这会导致估计精度差。带跳跃的随机游走(RWwJ)可以解决慢混合问题,但如果图不支持均匀顶点采样(UNI),则不适用。在这项工作中,我们开发的方法,可以有效地采样一个图形,而不需要UNI,但仍然享有类似的好处RWwJ。我们观察到,许多正在研究的图,称为目标图,并不孤立存在。在许多情况下,目标图与辅助图和二分图相关,它们一起形成了一个更好的连通的{ \em双层网络结构}。这种新的观点为图采样带来了额外的好处:如果直接采样目标图很困难,我们可以在其他两个图的帮助下间接采样。我们提出了一系列新的图采样技术,利用这样的两层网络结构来估计目标图的特征。在合成网络和真实网络上进行的实验证明了这些新技术的有效性和实用性。
2017-08-30 cs.SI physics.soc-ph
Cultural Investment and Urban Socio-Economic Development: A Geo-Social Network Approach
能够评估政府主导的投资对城市社会经济指标的影响一直是城市规划的重要目标。然而,由于缺乏具有良好时空分辨率的大规模数据,规划者如何跟踪小城市地区文化投资的影响和衡量其有效性方面存在局限性。利用近400万过渡记录三年在伦敦从一个流行的基于位置的社交网络服务,四方,我们研究如何政府文化支出的社会经济影响可以检测和预测。我们的分析表明,网络指标,如平均聚类系数或中心性,可以用来估计当地增长的可能性,以应对文化投资。随后,我们将这些特征整合到监督学习模型中,以推断伦敦社区的社会经济贫困变化。这项研究提出了如何地理社会和移动服务可以作为一个代理跟踪和预测社会经济剥夺的变化,政府的财政努力是放在发展城市地区,从而为进一步的政策制定和投资优化的证据和建议。
2018-06-08 cs.SI physics.soc-ph
Information Diffusion of Topic Propagation in Social Media
真实世界的社会和/或操作网络由具有关联状态的代理组成,其连接形成复杂的拓扑结构。这种复杂性进一步加剧了互联的信息层,包括,例如,文件/资源的代理人,相互共享的主题相似性。我们在这项工作中的目标是预测代理的特定状态,因为他们观察到的资源随着时间的推移而变化并得到更新。代理和出版物本身之间的信息扩散有效地导致了一个动态的过程,我们通过一个互联的网络系统(即分层)捕获。更具体地说,我们使用一个概念的超拉普拉斯矩阵来解决这样一个广义扩散的互联网络开始与经典的“图拉普拉斯”。辅助和外部输入更新由多维布朗过程建模,产生两个贡献的代理的状态的变化:一个是由于网络系统中的内在相互作用,另一个是由于外部输入或创新。关于这个主题的一个变化,先验知识的一部分代理的状态,导致卡尔曼预测问题。这有助于我们利用估计代理状态时的错误来改进预测状态。三个真实世界的数据集被用来评估和验证这种新的分层网络方法的信息扩散过程。我们的研究结果表明,当使用互连网络而不是代理之间的单个连接层时,预测误差较低。通过使用估计的扩散连接和通过应用部分观测的卡尔曼方法,预测误差得到进一步改善。
2016-02-15 cs.SI physics.soc-ph
Cost-Effective Activity Control of Asymptomatic Carriers in Layered Temporal Social Networks
Institute for Research in Fundamental Sciences (IPM)(基础科学研究院);University of Tehran(德黑兰大学);University of Alberta(阿尔伯塔大学);Nazarbayev University(纳扎尔巴耶夫大学);University of California, Merced(加州大学默塞德分校)
针对两层接触网络下SCIR流行病模型中无症状携带者活动控制的成本优化问题,提出逐次几何规划近似方法,在预算约束下最小化疾病衰减率,较传统中心性方法成本降低近33%。
2024-03-01 cs.MA cs.SI
Belief System Dynamics as Network of Single Layered Neural Network
本文提出修改的Friedkin-Johnsen模型,将个体视为单层神经网络以解释信念顽固性与反噬效应,发现网络结构对信念分布方差及社会压力有显著影响,可应用于政治、历史及心理学领域。
2025-04-04 cs.SI physics.soc-ph
Statistical physics of social networking
在这项工作中,我们试图从数学的角度来理解社交网络。在第一种情况下,我们考虑一个网络,其中每个代表个人的节点可以以一定的概率与相邻节点连接,并与朋友的朋友连接。我们发现,以上一个特定的值的一个选定的参数组合,两个广泛分离的节点之间的连接的概率是一个无标度。接下来,我们考虑一个简化的在线社交媒体网络的情况,其中每个人在单位时间内以恒定的概率添加朋友:来自建议邻居的朋友以及来自他/她的朋友列表的朋友。我们发现,在网络形成以来的大时间的限制下,两个相距甚远的个体之间的连接概率是一个无标度量。因此,我们证明了一个不同的规模自由方面的网络没有讨论过的文献。
2022-08-16 cond-mat.stat-mech cs.SI physics.soc-ph
Time-varying networks approach to social dynamics: From individual to collective behavior
在这篇论文中,我们有助于理解的关键作用的时间维度的网络社会系统,以前被忽视,现在发现的数据革命最近在这一领域蓬勃发展。为此,我们首先介绍了时变网络的形式主义,并分析了社会动力学的一些经验数据,广泛使用的论文的其余部分。我们讨论了人类接触网络的结构和时间特性,如社会互动的异质性和突发性,我们提出了一个简单的模型,植根于社会吸引力,能够重现它们。然后,我们探讨了运行在时间网络上的动态过程的行为,由经验面对面的相互作用构成,详细讨论了随机游走和传染病传播的基本情况。我们还开发了一种分析方法,能够计算活动驱动模型的结构和渗流特性,旨在描述广泛的社会互动,由所涉及的个人的活动驱动。我们在社会时变网络的快速发展框架中的贡献为未来的工作开辟了有趣的视角,例如研究时间维度对多层系统的影响。
2016-08-12 cs.SI physics.soc-ph
The Structure of Online Social Networks Mirror Those in the Offline World
我们使用双向帖子的频率数据来定义两个Facebook数据集和一个Twitter数据集的边缘(或关系),并使用这些数据来创建以自我为中心的社交网络。我们探索这些网络的内部结构,以确定它们是否具有与离线面对面网络中发现的相同类型的分层结构(其具有独特的缩放结构,依次包含5,15,50和150个变化的层)。两个Facebook数据集最好用四层结构描述,Twitter数据集最好用五层结构描述。这些层的绝对大小和与每层中的蚀变接触的平均频率与离线网络的观测值非常接近。此外,所有三个数据集都揭示了最内层网络层的存在,约为1.5。因此,我们的分析证实了以自我为中心的社交网络分层结构的存在,其样本量比之前用于描述它们的样本量要大得多(总计> 185,000个自我),并确定了额外网络层的存在,该网络层的存在仅在离线社交网络中假设。此外,我们的分析表明,在线社区具有非常相似的结构特征,离线面对面的网络。
2022-05-27 cs.SI
Hiding Individuals and Communities in a Social Network
互联网和社交媒体激发了人们对社会网络分析的极大兴趣。新的工具继续被开发和用于分析我们的个人关系,特别强调检测社区或识别社交网络中的关键个人。这引发了对隐私的担忧,未来可能会加剧。考虑到这一点,我们提出了一个问题:个人或团体能否积极管理他们的联系,以逃避社会网络分析工具?通过解决这个问题,公众可以更好地保护他们的隐私,受压迫的活动团体可以更好地隐藏他们的存在,安全机构可以更好地了解恐怖分子如何逃脱检测。我们首先研究个人如何能够逃避“网络中心性”的分析,而不损害他或她在网络中的影响力。我们证明了这个问题的最优解是很难计算的。尽管这种硬度,我们证明,即使是一个简单的启发式,即注意力仅限于个人的近邻,可以在实践中令人惊讶的有效。例如,它可以掩盖穆罕默德·阿塔在世贸中心恐怖网络中的领导地位,这是通过重新布线一个惊人的少数连接。接下来,我们研究社区如何增加被社区检测算法忽视的可能性。我们提出了一个隐藏的措施,表达如何以及一个社区是隐藏的,并用它来证明一个简单的启发式的有效性,即社区成员要么“unfriend”某些其他成员,或“befriend”一些非成员,在协调的努力来伪装他们的社区。
2016-08-01 cs.SI physics.soc-ph
Effects of temporal correlations in social multiplex networks
多层网络是描述自然界复杂系统的一个重要进展,对它的研究揭示了新的物理现象。尽管它的重要性,但是,在他们的结构和功能的时间维度的作用还没有被详细调查到目前为止。在这里,我们研究的时间层之间的相关性表现出真正的社会多元化网络。在一个基本的水平上,这种相关性的存在意味着一定程度的可预测性的接触模式,因为我们量化的熵和互信息分析提出的单层情况下的扩展。在不同的水平上,我们证明了时间相关性是网络代理的“多任务”行为的签名,其特征在于在不同的社会活动之间切换的水平比预期的不相关模式更高。此外,时间相关性显着影响耦合的流行病过程在网络上展开的动力学。我们的工作开辟了系统的时间复用网络的研究,我们预计它将在广泛的领域的研究人员感兴趣的方式。
2017-09-06 cs.SI physics.soc-ph
Density-based clustering of social networks
基于密度的聚类的模态公式的基本思想是将组与数据的概率密度函数的模态周围的区域相关联。在这里利用集群和密集区域的样本空间之间的对应关系来讨论这种方法的扩展到社交网络的分析。这种扩展似乎特别有吸引力:从概念上讲,高密度集群的概念非常适合网络中的社区,被视为在其邻域中具有密集本地联系的个体的集合。网络中密度的概率概念的缺乏变成了所提出的方法的主要优势,其中量化演员的角色和位置的节点措施可用于获得不同的社区配置。该方法允许识别聚类的层次结构,其可以捕获聚类结构的不同程度的分辨率。这一特征很好地符合社交网络的性质,解开了社会聚合中个体的不同参与。
2021-01-20 cs.SI stat.AP
Asymmetry of social interactions and its role in link predictability: the case of coauthorship networks
本文研究社会互动不对称性对连接强度的影响,发现在合著网络中不对称连接强度与邻域重叠呈幂律关系,并证明考虑连接不对称性可显著提升链路预测效率,进而合理解释了资源分配指数的高性能。
2023-06-26 cond-mat.dis-nn cs.SI physics.soc-ph
Adaptive Polling in Hierarchical Social Networks using Blackwell Dominance
考虑一群个体,他们观察到随着时间的推移而进化的潜在自然状态。人口被分为不同的层次,这取决于等级影响,决定了每个层次的个人如何形成对国家的看法。人口由民意测验专家按顺序抽样,节点(或个体)回答民意测验专家提出的问题。本文考虑了以下问题:民意调查者应该如何在最小化调查成本(贝叶斯状态估计中的测量成本和不确定性)的情况下对分层社会网络进行民意调查以估计状态?本文提出了自适应版本的以下轮询方法:意图轮询,期望轮询,最近提出的邻居期望轮询占随时间变化的自然状态和层次的影响,在社交网络。分层社会网络中的自适应轮询问题被表述为部分可观测马尔可夫决策过程(POMDP)。我们的主要研究结果利用轮询问题的结构,并确定新的条件Blackwell优势,构建近视的政策,可证明上限的自适应轮询POMDP的最优政策。LeCam不足用于确定一般轮询问题的近似Blackwell优势。这些Blackwell优势条件还有助于比较分层社交网络中出现的更一般渠道结构的Renyi Divergence和Shannon容量。数值例子来说明自适应轮询策略的参数估计从YouTube的数据。
2018-10-01 cs.SI
Multi-Stratum Networks: toward a unified model of on-line identities
社会网络分析成功背后的原因之一是它由节点(代表个人)和纽带组成的简单而通用的图模型。然而,当我们专注于我们的日常在线体验时,我们必须面对一个更复杂的场景:人们居住在几个在线空间中,与几个活跃在各种技术基础设施上的社区互动,如Twitter,Facebook,YouTube或FourSquare,并具有不同的社会目标。这构成了一个复杂的互联网络网络,用户的身份在其中传播,信息在不同的社区和社交平台上传播。在本文中,我们将介绍一种用于这种分层场景的模型,我们称之为多层网络。通过理论讨论和对真实数据的分析,我们展示了如何不仅专注于单个网络可能会提供对其用户角色的非常部分的理解,而且单独考虑所有网络可能无法揭示整个多层模型中包含的信息。
2012-11-01 cs.SI physics.soc-ph
Impacts of complex behavioral responses on asymmetric interacting spreading dynamics in multiplex networks
传播-接触分层网络中的信息扩散和疾病传播是典型的非对称耦合关系,其中个体对疾病的感知和反应对疾病传播有重要影响。最近的许多研究表明,人类行为采用是一个复杂的非马尔科夫过程,其中采用一种行为的概率取决于接收信息的累积次数以及这些累积信息的社会强化效应。我们研究了这种非马尔可夫疫苗接种行为对流行动力学和控制效果的影响。我们发现,这种复杂的采用行为引起的通信层可以显着提高流行阈值,降低最终的感染率。通过将社会成本定义为疫苗接种成本和治疗成本之和,我们证明了存在一个最优的社会强化效应或最优的信息传递率,允许最小的社会成本。我们还发展了一个基于平均场的理论来验证模拟结果的正确性。
2016-06-17 cs.SI physics.soc-ph
Graph Neural Network for Crawling Target Nodes in Social Networks
Ivannikov Institute for System Programming of the Russian Academy of Sciences(俄罗斯科学院伊万尼科夫系统编程研究所);Moscow Institute of Physics and Technology (National Research University)(莫斯科物理技术学院(国立研究型大学))
本文研究在给定爬取步数预算下于未知图中收集目标节点的问题,提出采用图神经网络(GNN)预测节点属性,并引入训练样本提升技术以在爬取早期多样化训练集,实验表明该方法在爬取任务尤其是分布式目标节点场景中具有潜力。
2024-03-20 cs.LG cs.SI
Asymmetric Peer Influence in Smartphone Adoption in a Large Mobile Network
在当今高度动态的移动市场中,了解智能手机的采用模式对电信管理人员至关重要。在本文中,我们利用网络结构和社会网络中的每个人的具体位置来解释和衡量潜在的异质性的作用,通过iPhone 3G的同行影响。我们引入了核心/外围的想法作为一个中观层次的组织原则来研究社会网络,它补充了使用来自全球网络属性(宏观层面)或每个人的本地社会邻里(微观层面)的中心性措施。使用数百万的呼叫详细记录从一个国家的移动网络运营商在一个为期11个月,我们确定重叠的社会社区以及网络中的核心和外围个人。我们的实证分析表明,核心用户施加更大的影响,外围用户,反之亦然。我们的研究结果提供了重要的见解,以帮助确定有影响力的成员在社交网络中,这是潜在的有用的设计最佳的目标策略,以改善目前的基于网络的营销实践。
2016-01-23 cs.CY cs.SI
Emotion Analysis using Multi-Layered Networks for Graphical Representation of Tweets
Free University of Bolzano(博尔扎诺自由大学)
预测观众对某一文本的反应是社会的几个方面所不可或缺的,从政治,研究和商业行业。情感分析(SA)是一种有用的自然语言处理(NLP)技术,它利用词汇/统计和深度学习方法来确定不同大小的文本是否表现出积极、消极或中性的情感。然而,目前缺乏工具,可用于分析独立的文本组,并从整个集合中提取主要的情感。因此,本文提出了一种称为多层推文分析器(MLTA)的新算法,该算法使用多层网络(MLN)对社交媒体文本进行图形化建模,以便更好地编码独立推文集之间的关系。与其他表示方法相比,图结构能够捕捉复杂生态系统中有意义的关系。现有技术的图神经网络(GNN)用于从推文-MLN提取信息,并基于所提取的图特征进行预测。结果表明,MLTA不仅可以从更大的可能情绪集合中进行预测,与标准的积极、消极或中性情绪相比,可以提供更准确的情绪,而且还可以对Twitter数据进行准确的组级预测。
2022-08-22 cs.AI cs.SI
Layered Ego Networks in Email Communication: From Enron to the Jmail Archive
Institute of Informatics and Telematics(信息与遥测研究所);University of Pisa(比萨大学)
通过比较安然和Jmail两个电子邮件档案,研究Dunbar式分层结构是否可从通信频率中恢复,并针对高频档案提出频率归一化方法。
2026-06-01 cs.SI
Real-Time Community Detection in Large Social Networks on a Laptop
对于广泛的研究,政府和商业应用,重要的是要了解社区,社区和社会中主要参与者的结构。提取这些信息的一个有希望的方向是利用数字社交网络(社交图)中丰富的关系数据。由于社交媒体数据集非常大,因此大多数方法为此目的利用分布式计算系统。分布式图形处理需要解决许多困难的工程问题,这使得一些研究人员考虑更快,更容易维护的单机解决方案。在这篇文章中,我们提出了一个单机实时的【形】大规模图形处理系统,允许分析师交互式地探索图形结构。其关键思想是,大量用户的聚合动作可以被压缩到一个数据结构中,该数据结构封装了用户的相似性,同时对噪声具有鲁棒性,并且可以实时的【形】查询。我们实现了单机实时的【形】性能,通过使用minhash签名压缩每个顶点的邻域,并通过局部敏感哈希方便快速查询。这些技术将查询时间从使用工业台式机在完整图上运行的数小时减少到标准笔记本电脑上的毫秒。我们的方法允许在笔记本电脑上实时的【形】探索大型图的强关联区域(即社区)。它已被部署在社交网络分析师积极使用的软件中,并为媒体所有者提供了另一个将其数据货币化的渠道,帮助他们继续提供全球数十亿人重视的免费服务。
2016-09-04 cs.SI stat.ML
Multiplex Modeling of the Society
社会是一个多层次的结构,各层次代表着不同的背景。为了对这种结构进行建模,我们首先从一个单层加权社交网络(WSN)模型开始,该模型显示了Grantwartterian结构。我们发现,当合并这样的无线传感器网络模型,需要足够的层间相关性来保持拓扑结构和链路权重之间的关系,而这些相关性破坏了社区重叠由于多个层的增强。为了解决这个问题,我们设计了一个地理多层WSN模型,其中由于个人的地理限制,间接层间的相关性增强了社区之间的重叠,同时,保留了Granteltterian结构。此外,从另一个角度来看,社会互动网络也可以被认为是一个多元化的网络:每一层都对应着一个沟通渠道,所有这些渠道的集合构成了整个社会网络。然而,通常人们只有关于其中一个通道的信息,这应该被视为整体的样本。在这里,我们通过模拟和分析方法表明,这种采样可能会导致偏差。例如,虽然预计整个社交网络的度分布在大于1的值处具有最大值,但我们对采样过程进行了合理的假设,得到了在单通道数据的实证研究中观察到的单调递减分布。我们分析了我们的研究结果的深远影响。
2016-09-27 cs.SI physics.soc-ph
Testing network clustering algorithms with Natural Language Processing
ISC-PIF - Institut des Systèmes Complexes - Paris Ile-de-France(巴黎法兰西岛复杂系统研究所);CNRS(法国国家科学研究中心);CAMS - Centre d’Analyse et de Mathématique sociales(分析与数学社会研究中心)
本研究针对社区检测算法选择未结合个体文化产出的问题,提出基于文化的在线社交群体定义,采用结合社区检测与NLP分类的混合方法,实现了对社区检测算法的评分及85%以上的用户观点分类准确率。
2024-06-24 cs.CL cs.CY cs.SI
Measuring Transport Difficulty of Data Dissemination in Large-Scale Online Social Networks: An Interest-Driven Case
在本文中,我们的目标是在网上社交网络(OSNs)的数据传播的形成模型,并测量所产生的数据流量的传输难度。我们专注于一种常见的类型的兴趣驱动的社交会话在OSN,称为\emph{Social-InterestCast},根据用户将自主地决定是否要查看他的followees根据他的兴趣的内容。由于涉及到用户的社会关系、用户的兴趣、内容语义等多个相互关联的因素,因此要弄清楚这种社交网络的形成机制是具有挑战性的。我们提出了一个四层的系统模型,包括物理层,社会层,内容层和会话层。通过该模型,我们成功地获得了社交媒体会话的地理分布,作为量化数据传输难度的前提条件。我们将\emph{transport load}的基本极限定义为一个新的度量,称为\emph{transport complexity},即,\emph{minimum required}在给定运营商网络上传输OSN负载。具体来说,我们得出的运输复杂性,在一个大规模的OSN的运营商网络与最佳的通信架构的社交网络会话。该结果可以作为在任何运营商网络上的社会广播的传输负载的共同下限。据我们所知,这是第一项通过对具有兴趣驱动特征的会话模式进行建模来衡量OSN中数据传播的传输难度的工作。
2016-05-12 cs.NI cs.SI
On Tie Strength Augmented Social Correlation for Inferring Preference of Mobile Telco Users
对于移动通信运营商来说,建立客户和接入用户的偏好模型是至关重要的,它可以帮助运营商制定更好的营销策略,提供更个性化的服务。随着深度包检测(DPI)在电信网络中的部署,电信运营商可以获得用户的在线偏好。然而,DPI有其局限性,仅从DPI导出的用户偏好面临稀疏性和冷启动问题。为了更好地推断用户的偏好,社会相关性的电信用户网络中来自呼叫详细记录(CDR)关于在线偏好进行了研究。虽然在几个在线社交网络中得到了广泛验证,但移动电信网络中用户在线偏好之间的社会相关性尚未得到大规模探索,其中CDR衍生关系具有较少的社会属性,并且用户移动互联网冲浪活动对邻居不可见。基于一个真实世界的电信数据集,包括CDR和偏好超过$550K$用户几个月,我们验证了相关性确实存在于这样的\textit{ambiguous}社交网络的在线偏好。此外,我们发现,用户建立的联系越强,他们的偏好之间的相似性就越大。在将偏好推断任务定义为Top- $K$推荐问题后,结合基于呼叫模式的社会相关性和联系强度的矩阵分解协同过滤模型,为用户生成Top- $K$偏好类别。TSASoRec模型考虑了数据稀疏性和冷启动用户问题,同时考虑了记录和缺失的记录类别条目。在真实数据集上的实验表明,该模型能更好地推断用户偏好,尤其是冷启动用户。
2016-12-09 cs.IR cs.LG cs.SI
Collective Dynamics of Hierarchical Networks
在一个日益复杂、流动和相互关联的世界中,我们面临着越来越多的灾害威胁,无论是偶然的还是故意的。由于组织、技术、程序、随机或蓄意攻击而造成的协调反应和恢复努力的中断,可能导致大规模生命损失的风险。这就需要采取紧急行动,探索建立最佳的信息共享环境,利用多辖区分级网络促进集体救灾和备灾。信息流建模和分析的创新方法,以应对跨多层次机构结构协调的挑战,以及通过使用社交媒体分析的社会系统开发早期预警,可能是及时应对大规模灾害的关键,应对战略需要被视为共同责任。如何在多管辖区环境中促进发展集体救灾?我们如何开发和测试共享的多管辖区层级网络的水平和有效性,以改善备灾和应对?多层次的培训和演习在建立集体备灾和救灾的共享学习空间方面有何作用?因此,这样做的目的是确定可能影响救灾工作的因素。
2015-03-28 cs.CY cs.SI
Measuring transnational social fields through binational link-tracing sampling
我们提出了两国链接追踪抽样设计,这是一种创新的数据汇集方法,用于从跨国社会领域进行抽样,即,包括移民和非移民的跨国网络。本文展示了这种设计的实际挑战,样本的代表性和网络的质量。我们进行了303个面对面的结构化访谈的社会人口变量,移民轨迹和个人网络的人生活在罗马尼亚移民发送社区(Dâmbovia)和移民接收西班牙城镇(卡斯特利翁),同时在这两个网站。将个人网络相互连接,我们构建了一个多层复杂网络结构,其中嵌入了4,855个提名人,5,477个有向关系(提名)和2,540条边。结果表明,参与者的独特识别是一个特别困难的挑战,数据的代表性不是最佳的(同质性观察到的属性被检测到的提名模式),和关系和属性数据允许探索的社会组织的罗马尼亚移民飞地卡斯特利翁,以及其连接到其他地方。此外,我们提供了方法上的建议,以改善跨国网络的移民链接跟踪采样。我们的研究有助于将社会网络分析应用于国际移民研究的新兴努力。
2020-06-19 cs.SI stat.ME
Social Interactions or Business Transactions? What customer reviews disclose about Airbnb marketplace
Middlesex University(密德萨斯大学);University of Turin(都灵大学);University of Pavia(帕维亚大学);University College London(伦敦大学学院);King’s College(伦敦国王学院);Nokia Bell Labs(诺基亚贝尔实验室)
Airbnb是共享经济市场最成功的例子之一。随着全球市场的快速渗透,了解其吸引力和不断变化的增长机会是规划业务决策的关键。例如,关于Airbnb是否是一种促进主人和客人之间社会交流的酒店服务,正如共享经济宣言最初所说的那样,或者它是否是(或正在演变成为)一个纯粹的商业交易平台,酒店传统上的运营方式。为了回答这些问题,我们提出了一种新的市场分析方法,利用客户的评论。该方法的关键是一种结合主题分析和机器学习的方法,以归纳方式为客人的评论开发自定义词典。基于这本词典,我们对6个不同城市收集的320万条评论的语料库进行了定量语言分析,并说明了如何在时间,主题,用户和空间粒度的精细级别上回答各种市场研究问题,例如(i)多年来商业与社会二分法如何演变,(ii)这些顶级类别中的确切词汇正在演变,(iii)该等趋势是否因不同用户类别而有所不同;及(iv)在不同的邻近地区。
2020-04-24 cs.CL cs.CY cs.LG
Discovery of Layered Software Architecture from Source Code Using Ego Networks
软件架构是指系统的高层抽象,包括所涉及元素的配置以及它们之间存在的交互和关系。源代码可以很容易地通过参考软件架构来构建。然而,反向过程,即从源代码推导软件架构是一项具有挑战性的任务。此外,这种架构由多个层组成,并且应该准确有效地将现有元素分布到这些层中。在本文中,提出了一种新的方法,用于恢复分层结构的基于Java的软件系统使用自我网络的概念。自我网络传统上用于社会网络分析,但在本文中,它们以特定的方式进行修改并调整以适应上述任务。具体地,从源代码中提取依赖网络以创建自我网络。自我网络被处理以在特定结构中创建和优化自我层。当这些自我层集成和优化在一起时,会给出最终的分层架构。所提出的方法进行评估,在两种方式:静态版本的三个开源软件,和一个不断发展的软件系统。在类级别和包级别上都观察到拟议层之间的节点分布和提交的违规行为。所提出的方法被认为优于现有的标准方法在多个性能指标。我们还进行了关于节点选择策略和频率的变化的结果的变化分析。经验观察表明,使用这种技术从源代码中恢复软件架构层,并将其进一步扩展到其他语言和软件,这是有希望的迹象。
2021-06-06 cs.SE cs.SI
Causal Analysis on the Anchor Store Effect in a Location-based Social Network
零售经济学中一个特别有趣的现象是锚店(具有知名品牌的特定商店)在客户流量方面对非锚店的溢出效应。这一领域的先前工作依赖于小型和基于调查的数据集,这些数据集通常是保密的或大规模收集的成本很高。此外,很少有作品研究的基础溢出效应的因素之间的因果机制。在这项工作中,我们分析了锚店和客户流量之间的因果关系,以非锚店,并采用倾向得分匹配框架,以更有效地调查这种影响。首先,为了展示效果,我们利用了来自伦敦数据存储和基于位置的社交网络(LBSN)(如Foursquare)的开放和移动数据。然后,我们对从锚店到非锚店的客户访问模式进行了大规模的实证分析(例如,非连锁餐厅)位于大伦敦地区作为案例研究。通过研究大伦敦地区的600多个社区,我们发现锚店使非锚店的顾客流量增加了14.2-26.5%,这强化了既定的经济理论。此外,我们评估我们的方法的效率,通过研究混杂平衡,剂量差异和性能的匹配框架上的合成数据。通过这项工作,我们指出零售业的决策者更系统的方法来估计锚店效应,并为进一步的研究铺平道路,以发现更复杂的因果关系与开放数据的影响。
2022-10-24 cs.SI
Embedding Economic Incentives in Social Networks Shape the Diffusion of Digital Technological Innovation
本研究分析NFT相关推文,揭示经济激励、表情符号信息机制与社会网络结构如何共同驱动数字创新扩散。
2024-04-10 cs.CY cs.SI
Hadath: From Social Media Mapping to Multi-Resolution Event-Enriched Maps
公开可用的数据正在迅速增加,并将随着传感器、智能手机和物联网技术的进步而继续增长。来自多个来源的数据可以提高覆盖率,并提供有关周围事件和兴趣点的更多相关知识。一个数据来源的优势可以通过提供补充信息来弥补另一个来源的不足。地图也越来越受欢迎,人们正在使用它来顺利有效地完成日常任务。从几百年前的纸质地图开始,现在有多种类型的地图,包括兴趣点、实时交通更新或显示社交媒体上的微博。在本文中,我们介绍了Hadath,一个系统,显示多分辨率的现场感兴趣的事件,从各种可用的数据源。该系统已被设计为能够处理多种类型的输入封装传入的非结构化数据到通用数据包。系统从通用数据包中提取感兴趣的本地事件,并识别它们的时空范围以在地图上显示这些事件,使得当用户改变缩放级别时,仅显示适当范围的事件。这使我们能够显示与视图规模相对应的实时事件-当以城市规模观看时,我们看到更重要的事件,而放大到社区时,更本地化的事件被突出显示。最终的输出创建了一个独特的和动态的地图浏览体验。最后,为了验证我们提出的系统,我们对社交媒体数据进行了实验。
2020-03-05 cs.DB cs.IR cs.SI
Structural invariants in individuals language use: the "ego network" of words
人类学家对人类在社会交往中表现出的认知限制进行了广泛的研究,他们强调了人类在不同类型的社交网络中的差异。我们假设,类似的重复可以在其他认知过程中找到,比如那些涉及语言产生的过程。为了提供初步的证据,这一说法,我们分析了一个数据集包含一个异质组的Twitter用户(普通用户和专业作家)的推文。利用类似于用来揭示既定的社会认知约束的方法,我们发现同心分层结构(我们称之为自我网络的话,在类比社会关系的自我网络)很好地捕捉个人如何组织他们使用的话。当向外移动时,该结构中的层的大小有规律地增长(相对于前一层大约2-3倍),并且倒数第二个外层始终占所使用单词的大约60%和30%(最外层包含100%的单词),而与用户的总层数无关。
2021-10-12 cs.SI
Uncovering Social Network Activity Using Joint User and Topic Interaction
Université Paris Saclay(巴黎萨克雷大学);Université Paris Cité(巴黎城市大学);ENS Paris Saclay(巴黎萨克雷高等师范学校);CNRS(国家科学研究中心);SSA;INSERM(法国国家健康与医学研究中心);Centre Borelli(博雷利中心);Centre d’Analyse et de Mathématique Sociales(社会分析与数学研究中心);EHESS(高等社会科学研究院);Laboratoire de Physique de l’École Normale Supérieure(高等师范学校物理实验室);College of Computing, UM6P(计算学院,UM6P)
本文提出MIC模型,通过联合建模用户和主题交互,提升信息瀑布传播的建模性能,并提供双层可视化分析。
2026-03-10 cs.LG cs.SI stat.ML
RP-DNN: A Tweet level propagation context based deep neural networks for early rumor detection in Social Media
在社交媒体平台上,当信息有限、不完整和有噪声时,早期谣言检测(ERD)非常具有挑战性。大多数现有的方法在很大程度上都是在事件级检测上工作的,这需要收集与特定事件相关的帖子,并且只依赖于用户生成的内容。它们不适合在事件展开并广泛传播之前的早期阶段检测谣言来源。在本文中,我们解决的ERD在消息级别的任务。我们提出了一种新的混合神经网络架构,它结合了特定任务的基于字符的双向语言模型和堆叠的长短期记忆(LSTM)网络来表示输入源推文的文本内容和社会时间背景,用于在谣言发展的早期阶段对谣言的传播模式进行建模。我们应用多层注意力模型来共同学习多个上下文输入的注意力上下文嵌入。我们的实验采用了严格的留一交叉验证(LOO-CV)评估设置在七个公开的真实谣言事件数据集。我们的模型实现了最先进的(SoA)性能,可以在涵盖超过12个事件和2,967个谣言的大型增强数据中检测看不见的谣言。进行消融研究,以了解我们提出的模型的每个组件的相对贡献。
2020-03-02 cs.CL cs.IR cs.SI
FastGEMF: Scalable High-Speed Simulation of Stochastic Spreading Processes over Complex Multilayer Networks
本文提出FastGEMF框架,用于在百万级节点和连接的多层网络上高效精确仿真马尔可夫链随机传播过程,显著降低时间与空间复杂度,并为流行病学、社交媒体等领域提供可比较分析的基线。
2024-10-22 cs.SI cs.SY eess.SY