Bond percolation on a class of correlated and clustered random graphs
我们介绍了一种计算一类相关和聚类随机图的键渗流性质的形式。这类图是配置模型的推广,其中不同类型的节点通过不同类型的超边连接,边可以链接超过2个节点。我们认为,多类型的方法加上使用聚类超边可以重现广泛的复杂模式,从而提高我们的能力,真正的复杂网络建模。作为这一主张的一个例证,我们使用我们的形式主义来突出一个合成的,虽然现实的,社会网络中的组件(小的和巨大的)的大小和组成的不寻常的行为。
2012-09-03 cond-mat.stat-mech cs.SI physics.soc-ph
Diffusion of complex contagions is shaped by a trade-off between reach and reinforcement
本研究通过可调模型揭示,随机网络通常比聚类网络更利于行为扩散,聚类仅在少数条件下因强化效应略占优势,体现可达性与强化的权衡。
2025-07-10 cs.SI physics.soc-ph
Evolving Clustered Random Networks
我们提出了一个马尔可夫链模拟方法来生成简单的连接随机图与一个指定的度序列和水平的聚类。由我们的算法生成的网络是随机的,在所有其他方面,因此可以作为一般模型,用于研究度分布和聚类的动态过程的影响,以及空模型,用于检测经验网络中的其他结构属性。
2008-08-04 cs.DM physics.soc-ph
Observability transitions in clustered networks
我们研究了聚类对网络可观测性转换的影响。在杨,王,和Motter [物理学评论Lett. 109,258701(2012)],随机选择给定比例的节点,并且它们和那些邻居被认为是可观察的,而其他节点是不可观察的。对于随机簇网络的可观测性模型,我们导出了最大可观测分量和最大不可观测分量的归一化大小。考虑到每个节点的边和三角形的数量是由泊松分布给出的情况下,我们发现,网络的聚类和LUC都受到影响:更高度聚集的网络具有较低的临界节点分数,以形成宏观的网络和LUC,但这种影响很小,变得几乎可以忽略不计,除非平均度很小。我们还评估了这些临界点的界限,以确认聚类对网络可观测性转换的微弱或可忽略的影响。蒙特卡罗模拟证实了我们的分析处理的准确性。
2021-04-04 cs.SI physics.soc-ph
Bond percolation on a class of clustered random networks
给出了一类非零聚集随机网络的键逾渗阈值和巨连通分支的大小的解析结果。网络的度分布和聚类谱可以被规定,并且理论结果与合成和真实世界网络上的数值模拟很好地匹配。
2009-09-22 cond-mat.dis-nn cond-mat.stat-mech gr-qc
Single-Seed Cascades on Clustered Networks
我们考虑一个动态网络级联过程应用到一个随机网络与一个特定数量的集群,属于一类随机网络纽曼开发的Watts。我们适应现有的树为基础的方法,制定一个适当的两种类型的分支过程来描述一个单一的活动节点开始的级联的传播,并获得一个不动点方程来隐含地表达这样的级联的灭绝概率。在这样做,我们还恢复了一个特殊情况下的公式的哈克特等人。给出的条件,一定灭绝的级联。
2015-09-30 cs.SI math.PR physics.soc-ph
Higher-order structure and epidemic dynamics in clustered networks
聚类通常通过三角形与所有三元组(开放或闭合)的比率来衡量。对于某些类别的网络\cite{vmclust, karrerclust2010},例如,由直线和不重叠的三角形组成的网络。在本文中,我们表明,它是可能的生成网络,尽管有相同的度分布和平等的聚类,表现出不同的高阶结构,特别是,重叠的三角形和其他四阶(一个封闭的网络模体组成的四个节点)结构。为了区分和量化这些额外的结构特征,我们开发了一种新的网络度量,能够测量四阶结构,当与传统的网络度量一起使用时,可以更准确地描述网络的拓扑结构。三个网络生成算法被认为是:一个修改的配置模型和两个重布线算法。通过生成具有相等聚类的同质网络,我们研究并量化它们的结构差异,并使用SIS(易感-感染-易感)和SIR(易感-感染-传播)动力学,我们计算研究高阶结构差异如何影响流行阈值,最终流行或流行水平和流行病的时间演化。我们的研究结果表明,表征和测量高阶网络结构是必要的,以促进我们的理解网络拓扑结构的动态展开的网络上的影响。
2013-10-18 cs.SI physics.soc-ph q-bio.PE
Strongly clustered random graphs via triadic closure: Degree correlations and clustering spectrum
Dipartimento di Fisica Università La Sapienza(罗马大学物理系);University of Aveiro(阿威罗大学);University of Leeds(利兹大学)
本文提出一种通过随机网络骨架中每个三元组以一定概率闭合来生成强聚类随机图的模型,并精确推导了局部聚类谱和度相关性的表达式,揭示了高度传递性与正度同配性及聚类谱的非平凡结构。
2026-05-23 cond-mat.dis-nn physics.soc-ph
Strongly clustered random graphs via triadic closure: An exactly solvable model
本研究提出了一个精确可解的静态三元闭包(STC)聚类网络模型,推导了小模体期望数量的精确表达式,并在真实网络数据集中验证了模体密度关系的有效性。
2024-02-15 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
On the Controllability of Clustered Scale-Free Networks
Semnan University(塞姆南大学);Tufts University(塔夫茨大学)
本文比较了无标度网络和聚类无标度网络中未匹配节点的数量和扩张大小,发现聚类无标度网络需要更少的控制输入以实现可控性,且平均扩张大小更小,表明可控性恢复选项更少。
2019-05-05 cs.SI cs.SY eess.SY
Two-pathogen model with competition on clustered networks
网络提供了一个数学上丰富的框架来表示足以传播疾病的社会联系。社交网络通常是高度聚集的,并且不能是局部树状的。在本文中,我们研究了集群的病原体的连续菌株的传播使用生成函数制定下一个完整的交叉免疫耦合的影响,推导条件的阈值共存的第二个菌株。我们发现,聚类降低了第二种菌株的共存阈值和泊松网络中的爆发规模,同时表现出相反的效果均匀度模型。我们的结论是,聚集在一个人口必须增加的能力,第二波的流行病蔓延到一个网络。我们将我们的模型应用于多层集群网络的研究,并观察到在两个不同的传输率的剩余图的断裂。
2020-11-20 physics.soc-ph q-bio.PE
Exotic phase transitions of k-cores in clustered networks
网络的极大连通子图--巨型$k$ -核,在相变的研究和网络理论的应用中具有重要意义。不同于Erdens-Rényi图和其他随机网络的$k$ -核心出现不连续的$k\ge 3$,我们表明,传递链接(或三元封闭)导致3-核心出现通过单或双相变的不连续和连续的性质。我们还开发了一个$k$的核心计算,包括集群,并提供深入了解如何出现高层次的连接。
2016-10-14 cond-mat.stat-mech cs.SI physics.soc-ph
Random matrix theory and nested clustered portfolios on Mexican markets
本文提出结合随机矩阵理论协方差估计与改进的嵌套聚类优化算法,解决了高维下Markowitz投资组合的不稳定性问题,并在墨西哥市场中实现了无需显式约束的稳定正权重配置,从而避免了高风险的做空策略。
2023-06-09 physics.soc-ph q-fin.PM q-fin.ST
Information Propagation in Clustered Multilayer Networks
在当今世界,个人之间的互动模式比以往任何时候都更加复杂。一些个体通过在线社交网络(例如,Facebook,Twitter),而有些人只通过传统的方式(例如,面对面)。因此,理解人类之间的信息传播的动态需要一个多层网络模型,其中在线社交网络与物理网络相结合。在这项工作中,我们发起了一个集群的多层网络模型中的信息扩散的研究,其中所有的组成层是随机网络具有高聚类。我们假设信息传播根据SIR模型和不同的信息在网络中的传输率。我们给出了信息流行的条件,概率和大小的结果,即,这种情况下,信息从一个人开始,并达到人口的正比例。我们发现,在任何一个层的聚类水平的增加,增加了流行病的阈值,并降低了最终的流行病在整个系统的大小。一个有趣的发现是,低传播性的信息在一个小而紧密连接的社交网络中传播得更有效,而高传播性的信息在一个大而松散连接的社交网络中传播得更好。
2015-09-13 cs.SI physics.soc-ph
Cooperative coinfection dynamics on clustered networks
共感染是被病原体感染的宿主在稍后的时间点被第二病原体感染的过程。宿主对原发病的免疫抑制反应可促进随后出现的病原体在人群中的传播。可以使用复杂网络对基质人群中的社会接触模式进行建模,并且已经表明接触模式极大地影响了突发疾病的动态。在本文中,我们考虑了接触聚类对两种病原体在网络上传播的共感染动力学的影响。我们使用生成函数公式来描述每个病原体的预期爆发规模,并在数值上研究允许网络中每个菌株共存的阈值标准。我们发现,集群的影响,共同感染的水平是由接触拓扑的细节。
2020-12-17 physics.soc-ph q-bio.PE
Complex Contagions and hybrid phase transitions in unclustered and clustered random networks
复杂传染是一种传染过程,其中个体可能需要多次传播才能改变状态。如果一个人只在感知到其他人的共识后才采取特定的行为,这些被用来建模行为。我们可以认为,一个人开始时是不活跃的,在与足够数量的活跃伙伴接触后变得活跃。这些已经在一些案例中进行了研究,但复杂传染的动态传播的分析模型通常是复杂的。在这里,我们研究动态的瓦特阈值模型(WTM)假设传输发生在连续时间作为一个泊松过程,或在离散的时间,个人发送到所有的合作伙伴在他们激活后的时间步。我们适应技术开发的传染病建模开发和分析分析模型的动态WTM配置模型网络和一类随机聚类(三角形为基础的)网络。由此产生的模型是相对简单和紧凑的。我们用它来深入了解传染动力学。在无限的人口限制,我们推导出条件下,级联发生与任意小的初始比例活跃,证实了瓦特的假设这种情况下。我们还观察到混合相变时,级联是不可能的小的初始条件,但发生足够大的初始条件。我们推导出这种混合相变发生的充分条件。我们表明,在许多情况下,如果混合相变发生,所有的个人最终成为积极的。最后,我们讨论了集群在促进或阻碍传播中的作用,发现Watts在配置模型网络中证实的假设并不普遍成立。这种方法使我们能够统一许多现有的不同的观察,并得出新的结果。
2015-06-26 nlin.AO physics.soc-ph q-bio.PE
Generating Scale-free Networks with Adjustable Clustering Coefficient Via Random Walks
提出了一种聚类系数可调的无标度网络生成算法。该算法是基于一个随机游走过程结合三角形生成计划,考虑到遗传因素,这样,优先连接和聚类控制只使用本地信息。模拟支持该计划的有效性,表征其调谐能力。
2011-05-17 cs.SI physics.soc-ph
Network processes on clique-networks with high average degree: the limited effect of higher-order structure
在本文中,我们研究了网络过程的局部结构的影响。我们研究了一个随机图模型,该模型采用了局部团结构,以偏离大多数标准随机图模型的局部树状行为。对于键渗流过程,我们推导出了大爆发的解析近似和临界渗流值。有趣的是,这些推导表明,当一个顶点的平均度是大的,从局部树状结构的偏差的影响是小的。我们的模拟表明,这种对局部集团结构的不敏感性通常已经在平均度低至6的网络中发挥作用。此外,我们表明,不同的行为相比,在以前的作品中发现的树状网络的聚集网络的键渗流几乎可以完全归因于不同的度序列,而不是在聚类结构的差异。最后,我们表明,这些结果也延伸到完全不同类型的动力学,得出类似的结论和模拟的仓本模型上相同类型的集群和非集群网络。
2021-04-30 math.PR physics.soc-ph
Spread of infectious disease and social awareness as parasitic contagions on clustered networks
生物传染病(如流感)与相关信息传播(如流感疫苗接种活动)相互作用的模型有着丰富的历史。最近关于网络上相互作用的传染病传播的研究突出表明,这些相互作用的传染病可以与网络结构产生反直觉的相互作用。在这里,我们概括了这些框架之一,以解决意识和疾病传播的三个重要特征:第一,我们在高度聚集的,小团体的网络上模拟动态,以模拟工作场所和家庭的作用;第二,意识传染通过降低其传播率来影响生物传染的传播,其中意识或接种疫苗的个体不太可能被感染;第三,生物传染也影响意识传染的传播,但通过增加其传播速度,感染者更容易接受和更有可能分享与疾病有关的信息。在这些条件下,我们发现,增加网络聚类,这是已知的阻碍疾病传播,实际上可以让他们在有意识的模型中维持更大的疾病流行。这一反直觉的结果与传统观点背道而驰,传统观点认为随机网络是合理的,因为它们提供了最坏情况的预测。为了进一步研究这个结果,我们提供了一个基于两步分支过程的封闭形式标准(即,预期的三级感染的数量)来识别参数空间中聚集和共感染的净效应变化的不同区域。总之,我们的研究结果再次强调了在疾病建模中超越随机网络的必要性,并说明了即使在相互作用的传染病的复杂模型中也可能进行的分析类型。
2020-03-24 math.DS physics.soc-ph q-bio.PE
Clustering coefficients for networks with higher order interactions
King’s College London(伦敦国王学院)
本文提出无向和有向超图的四元聚类系数,通过真实超图与配置模型随机超图对比,揭示高阶交互对识别高度聚类节点的必要性。
2026-10-20 physics.soc-ph
The giant component of complex hypergraphs: automated generating function calculations
Nodes & Links Ltd(Nodes & Links 有限公司)
本文提出一种自动生成函数计算方法,将复杂超图的渗流阈值与巨连通分量统一为同一张量的不同阶展开,并推广至相关层间结构,求解多种模型并验证均场理论失效原因。
2026-09-25 cond-mat.stat-mech math.CO physics.soc-ph