Signed Node Relevance Measurements
在本文中，我们进行了初步的和全面的研究问题的测量节点的相关性签署社交网络。我们设计了许多相关性测量签署社交网络从本地和全球的角度来看，并调查签署相关性测量，平衡理论和签署网络属性之间的联系。实验结果进行了研究与四个现实世界的数据集上签署的网络分析任务的签署相关性测量的影响。
2017-10-25 cs.SI physics.soc-ph
Polarization and Fluctuations in Signed Social Networks
最近对社交网络的研究主要集中在对观点如何作为人际关系的函数而演变的建模和分析上。建模和理解友好和敌对关系的含义也是非常有趣的。在本文中，我们提出了一个新的，简单和直观的模型，将社会心理现象的回旋镖效应的意见动态。我们建立了，在一定的条件下的结构对应于所谓的结构平衡性质的签署网络，网络中的意见。与文献中的其他模型相比，当社会网络不满足结构平衡时，我们的模型显示了更丰富，也许更直观的意见行为。特别是，我们分析了签名网络，其中的意见表现出持续的波动（包括所谓的聚类平衡的情况下）。
2019-10-04 cs.SI physics.soc-ph
Signed Network Modeling Based on Structural Balance Theory
网络的建模，特别是生成模型，已经被证明可以提供关于底层网络结构的大量信息，以及它们构建背后的许多其他好处。最近，人们对更好地理解和建模网络的兴趣大大增加，但绝大多数工作都是针对无符号网络的。然而，许多网络可以有正链接和负链接（或签名网络），特别是在在线社交媒体中，并且由于增加的复杂性，它们固有地具有未签名网络中没有的属性。具体来说，正负链接比和网络中有符号三角形的分布是有符号网络所特有的属性，需要明确建模。这是因为它们的潜在动力不是随机的，而是由社会理论控制的，例如结构平衡理论，该理论松散地指出，社交网络中的用户将更喜欢涉及较少紧张关系的三元关系。因此，我们提出了一个基于结构平衡理论和无符号传递的Chung-Lu模型的有符号网络建模模型。我们的模型引入了两个参数，这两个参数能够帮助保持正连接比和平衡三角形的比例。三个真实世界的签名网络的实证实验表明，基于社会理论设计特定于签名网络的模型，以获得更好的性能，在维护签名网络属性，同时生成合成网络的重要性。
2018-12-11 cs.SI physics.soc-ph
"You're Mr. Lebowski, I'm the Dude": Inducing Address Term Formality in Signed Social Networks
我们提出了一个无监督的模型，诱导签署的社交网络从网络边缘交换的内容。该模型中的推理同时解决了三个问题：（1）识别每个边缘的符号;（2）表征每个边缘类型的内容分布;（3）估计映射到理论模型（如结构平衡）的三元特征的权重。我们将这个模型应用于称呼语的社会功能的诱导问题，如“夫人”，“夫人”和“伙计”。在电影剧本的数据集上，我们的系统获得了一个连贯的地址术语聚类，同时对每部电影中社会关系的正式性做出了直观合理的判断。作为一个额外的贡献，我们提供了一个自举技术，用于识别和标记对话中的地址项。
2015-03-17 cs.SI physics.soc-ph
Are Social Networks Really Balanced?
长期以来，人们一直认为，在同时存在友好/敌对互动的社交网络（签名网络）中，普遍存在全球平衡的趋势。平衡代表了网络中没有争议的情况。在这里，我们介绍一种方法来量化任何签名（社交）网络的平衡程度。它考虑了网络中所有有符号圈的贡献，并与经验证据相一致，对较短的圈比对较长的圈给予更多的权重。我们发现，与人们所认为的相反，许多签名的社交网络--特别是非常大的定向在线社交网络--一般来说是非常不平衡的。我们还表明，不平衡的状态可以通过调整网络中的代理之间的社会互动的权重来改变。
2014-06-09 cs.SI physics.soc-ph
Visualizing structural balance in signed networks
网络可视化已经成为网络分析的重要补充，因为各种各样的现有网络布局能够以图形方式突出显示网络的不同属性。然而，签名网络，即，边缘被标记为友好（积极）或对抗（消极）的网络是很少的这种布局的目标，并且据我们所知，没有一个能够显示结构平衡，即，周期趋向于包含偶数个负边缘，这是研究摩擦和极化的著名理论。在这项工作中，我们提出了结构平衡即：一种新的可视化方法，显示连接的签名网络是否平衡，在后一种情况下，网络是如何接近平衡。Structural-balance-viz利用符号拉普拉斯矩阵的谱计算将网络的节点放置在笛卡尔坐标系中，类似于天平（天平）。此外，它使用边着色和捆绑来区分积极和消极的相互作用。所提出的可视化方法具有在各种网络分析任务中所需的特性：结构平衡-viz能够提供整个网络和每个节点的平衡/极化的指示，根据它们的极化来识别两个派系的节点，并显示它们的累积特性。此外，布局是可复制的，易于比较。Structural-balance-viz在合成生成的网络上进行了验证，并应用于关于政治辩论的真实数据集，证实它能够提供有意义的解释。
2019-11-30 cs.SI physics.soc-ph
A Survey of Signed Network Mining in Social Media
Arizona State University（亚利桑那州立大学）；IBM T.J. Watson Research Center（IBM托马斯·J·沃森研究中心）；Yahoo Research, Yahoo! Inc（雅虎公司雅虎研究院）
现实世界中的许多关系都可以用正负连接的符号网络来表示，因此符号网络分析越来越受到多学科的关注。随着社交媒体网络的日益普及，签名网络分析已经从开发和测量理论发展到挖掘任务。在本文中，我们对社交媒体背景下挖掘签名网络进行了回顾，并讨论了一些有前途的研究方向和新领域。首先，我们给出了基本概念和独特的性质和原则的签署网络。然后对签名网络挖掘的任务进行了分类，并对有代表性的算法进行了回顾。我们还描述了一些尚未被广泛研究的正式定义的任务，并提出了研究方向，以扩大该领域的签署网络挖掘。
2016-06-20 cs.AI cs.SI physics.soc-ph
Signed Network Formation Games and Clustering Balance
我们提出了一个有符号的网络形成游戏，在这个游戏中，成对的个体策略性地改变一个完整网络中边的符号。这些人是社会网络的成员，他们通过改变他们的人际评价来战略性地减少认知失调。我们描述了这个游戏的最佳响应动态，并证明了它的实现\pc{can}动态驱动网络的社会学意义的标志配置称为聚类平衡。在这种配置中，社交网络中的代理形成一个或多个集群，这些集群在其成员之间具有正关系，但在其他集群的成员之间具有负关系。在过去，心理社会学、政治学和物理学领域的各种研究人员都研究了解释两个集群生成的模型。我们的工作有助于这些领域提出了一个简单的模型，产生了更广泛的一类签署的网络。
2019-09-28 cs.SI physics.soc-ph
Degree correlations in signed social networks
我们调查的程度相关性在两个在线社交网络，用户通过不同类型的链接连接。我们发现，虽然子网络中的链接有一个积极的内涵，如认可和信任，其特点是通过程度上的排斥混合，网络中的链接有一个消极的内涵，如不赞成和不信任，其特点是由排斥模式。我们引入了一类简单的理论模型来分析网络拓扑和基于链路符号的叠加结构之间的相互作用。结果揭示了数据中观察到的模式出现的基础条件，即正子网络的非线性和负子网络的非线性。我们讨论了我们的研究对分析有符号复杂网络的影响。
2014-12-02 cs.SI physics.soc-ph
Polarization and multiscale structural balance in signed networks
针对符号网络极化研究中半回路枚举计算成本高的问题，提出多尺度半游走平衡方法，通过闭合半游走近似半回路，可适配分辨率、多尺度评估平衡度并用于聚类，在真实社会系统中验证有效且结果可解释。
2023-10-24 cs.SI physics.soc-ph
SI based disease model over signed network
符号网络是将网络中的每条边与一个正或负的符号相关联，以表示个体之间的友好或不友好关系的网络。当疾病在签名网络上传播时，一些不友好的边可能会拒绝传播。此外，符号网络是动态的，根据符号网络研究中最重要的理论--结构平衡理论，符号网络中的边会随着时间的推移而符号翻转。疾病的传播与符号网络的演化如何相互作用成为一个具有挑战性的问题。本文提出了一种描述疾病传播和网络共同演化的能量函数，并引入了结构和传播平衡的概念。本文推广了Cartwright的结构平衡理论，提出了一个结构与扩散定理.最后，我们在完全符号网络上进行了蒙特卡罗模拟，验证了我们的定理。在实验中，我们发现带符号网络在疾病传播过程中具有自身免疫性，这可以用来解释通过隔离来隔离强毒病毒的现象。
2018-03-21 cs.SI physics.soc-ph
Measuring Partial Balance in Signed Networks
敌人的敌人一定是朋友吗？如果不是，这在多大程度上倾向于成立？这些问题是根据签名（社会）网络制定的，并在1960年左右获得了网络“平衡”的必要和充分条件。从那时起，签名网络随着时间的推移趋于变得更加平衡的想法已被广泛应用于多个应用领域。然而，由于缺乏部分平衡的标准衡量标准，对这一假设的研究变得复杂，因为在实践中几乎从未实现过完全平衡。我们形式化的部分平衡的措施的概念，讨论各种措施，比较合成数据集上的措施，并调查其公理性质。合成数据涉及Erdens-Rényi和特殊结构的随机图。我们表明，一些措施的行为比别人更好的公理和能力，区分图。我们还使用了来自社会学和生物学文献的知名数据集，例如Read的新几内亚部落，与两种生物体相关的基因调控网络，以及涉及参议院法案共同赞助的网络。我们的研究结果表明，在基于周期，基于特征值和基于挫折的措施下，观察到实质上不同水平的部分平衡。我们提出了一些建议，供今后工作中使用的措施。
2018-08-20 cs.SI physics.soc-ph
Partitioning signed networks
在冲突或敌意明显的情况下，签名网络自然会出现。在本章中，我们回顾了一些关于符号网络的文献，特别是在划分的背景下。大部分的工作是建立在什么是所谓的结构平衡理论。我们涵盖了结构平衡理论的基本数学原理。该理论给出了划分的自然公式。我们简要地比较了其他分区方法的基础上社区检测。最后，我们分析了一个国际网络的联盟和冲突，并讨论了我们的研究结果的结构平衡理论的影响。
2018-03-06 cs.SI physics.soc-ph
Community detection based on structural balance in signed networks
针对符号网络社区检测忽视负链接稳定作用的问题，提出一种基于模体、量化链接局部结构平衡重要性的方法，可识别紧密且和谐稳定的社区，并在合成与真实网络中表现出更高性能和强鲁棒性。
2023-08-15 cs.SI physics.soc-ph
Efficient algorithm based on non-backtracking matrix for community detection in signed networks
社区检测或聚类是理解复杂系统结构的关键任务。在某些网络中，节点可以被“正”或“负”边连接，这样的网络被称为带符号网络。发现签名网络中的社区比发现未签名网络中的社区更具挑战性。在这项研究中，我们创造性地开发了一个非回溯矩阵的签署网络，理论上推导出一个可检测性阈值，并证明了使用该矩阵的社区检测的可行性。通过考虑网络中的平衡路径（称为平衡非回溯矩阵），我们进一步改进了所开发的矩阵。仿真结果表明，基于平衡非回溯矩阵的算法明显优于基于邻接矩阵和符号非回溯矩阵的算法。建议（改进）矩阵显示出巨大的潜力，用于检测社区有或没有重叠。
2020-10-10 cs.SI physics.soc-ph
Community detectability and structural balance dynamics in signed networks
我们调查签署网络与社区结构的频谱和他们的演化下的结构平衡的动力学模型，一个突出的理论签署社交网络。具有两个相等大小的社区的随机块模型所产生的邻接矩阵的频谱显示可检测性转变，其中当其信号特征值出现在主谱带之外时，社区结构变得明显。频谱还表现出“社会性”的过渡，涉及代表平均领带值的同质结构。我们推导出与社区和均匀结构以及过渡边界相关联的本征值的表达式，所有这些都与数值结果吻合得很好。使用随机生成的网络作为结构平衡动态的简单模型的初始条件，产生三种结果机制：与初始社区对应的两个敌对派系，与这些社区无关的两个敌对派系，以及所有节点的一个和谐派系。可检测性跃迁预测了二元对立态与二元混合态之间的边界，社会性跃迁预测了二元混合态与二元和谐态之间的边界。我们的研究结果可能会深入了解具有不同社会身份的行为者之间的合作和冲突的动态。
2019-12-17 cs.SI physics.soc-ph
Finding large balanced subgraphs in signed networks
有符号网络是边缘标记有正号或负号的图，可用于捕获无符号网络所错过的交互中的细微差别。符号图论中的平衡概念决定了一个网络是否可以被划分为两个完全相反的子集，因此对于建模社交网络中存在极化社区等现象非常有用。虽然确定一个图是否平衡很容易，但找到一个大的平衡子图是困难的。文献中用于此目的的几种方法要么无效，要么不可扩展。本文提出了一个在符号网络中寻找大型平衡子图的有效算法。该算法依赖于符号谱理论和一个新的边界的扰动图拉普拉斯算子。在各种各样的实验中，对真实世界的数据，我们表明，我们的算法可以找到平衡的子图比现有的方法检测到的大得多，此外，它是更快的。我们测试其可扩展性高达34万边缘的图形。
2020-02-03 cs.SI
Deep Hashing for Signed Social Network Embedding
Beijing Institute of Technology（北京理工大学）；Huazhong University of Science and Technology（华中科技大学）
网络嵌入是一种很有前途的网络表示方法，可以方便地处理和分析许多签名社交网络，如链接预测和节点分类。近年来，已有的几种嵌入算法都采用了特征散列算法来提高嵌入效率，并取得了很大的成功。然而，现有的基于特征散列的嵌入算法仅考虑签名社交网络中的正链接。直观地说，负面链接也有助于提高性能。因此，在本文中，我们提出了一种新的深度哈希方法，通过同时考虑正负链接，用于签名社交网络嵌入。大量的实验表明，该方法优于几个国家的最先进的基线，通过链接预测任务在两个现实世界中签署的社交网络。
2019-08-16 cs.LG cs.SI
Social Science Guided Feature Engineering: A Novel Approach to Signed Link Analysis
Arizona State University（亚利桑那州立大学）；Michigan State Universtiy（密歇根州立大学）
许多现实世界的关系可以由具有正链接的签名网络来表示（例如，友谊和信任）和负面链接（例如，不信任和不信任）。链接预测有助于推进社会网络分析中的任务，例如推荐系统。大多数现有的链接分析工作集中在未签名的社交网络。负链接的存在激起了研究兴趣，研究签名网络的属性和原理是否与未签名网络不同，并要求对签名社交网络进行专门的链接分析。最近的研究结果表明，有符号网络的属性与无符号网络的属性有很大的不同，负链接可以以互补的方式对有符号链接分析有很大的帮助。在这篇文章中，我们集中讨论了一个具有挑战性的问题，签署链接分析。有符号链接分析面临数据稀疏的问题，即只有一小部分有符号链接被给出。当负面链接比正面链接稀疏得多时，这个问题甚至会变得更糟，因为用户更倾向于积极的倾向而不是消极的倾向。我们研究如何利用其他信息源进行签名链接分析。本研究主要以情绪信息、创新扩散和个体人格三大社会科学理论为指导。在此基础上，我们提取了三类相关特征，并利用它们进行签名链接分析。实验表明，从社会理论中收集的特征对有符号链接预测和解决数据稀疏性挑战具有重要意义。
2020-01-04 cs.LG cs.SI
Negative Ties Highlight Hidden Extremes in Social Media Polarization
本研究通过符号网络分析西班牙社交媒体Meneame，发现纳入负面联系能揭示无符号网络无法区分的意识形态极端用户，从而更全面地理解在线极化。
2025-07-16 cs.SI physics.soc-ph
Balance Maximization in Signed Networks via Edge Deletions
在有符号网络中，每条边都被标记为正或负。边缘符号捕捉了关系的极性。符号网络的平衡性是图论中一个研究得很好的性质。在平衡（子）图中，顶点可以被划分为两个子集，其中负边仅存在于分区之间。图的平衡部分已被证明可以增加其成员之间的一致性，并导致更好的性能。虽然现有的工作主要集中在寻找最大的平衡子图内的一个图形，我们研究的网络设计问题，最大限度地平衡的目标社区（子图）。特别地，给定预算$b$和签名网络内的感兴趣的社区，我们的目标是通过删除多达$b$边来使社区尽可能接近平衡。除了建立NP-困难性，我们还证明了该问题是非单调和非子模的。为了克服这些计算挑战，我们提出了基于平衡与网络的拉普拉斯谱的谱关系的算法。由于谱方法缺乏近似保证，我们进一步设计了一个贪心算法，其随机版本，可证明的边界上的近似质量。利用平衡最大化函数的伪子模性，得到了边界。对八个真实签名网络的实证评估表明，所提出的算法是有效的，高效的，可扩展到具有数百万条边的图。
2020-10-21 cs.SI
Mesoscale structures in signed networks
University of Sydney（悉尼大学）；Goethe University Frankfurt（法兰克福歌德大学）；IT:U Interdisciplinary Transformation University（IT：U跨学科转型大学）；Central European University（中欧大学）；Complexity Science Hub（复杂性科学中心）
本文提出了一种方法，用于发现和表征有向网络中不同的可能不平衡结构，揭示了中等尺度关系结构的复杂性以及社会平衡理论在不同尺度上的预测重要性。
2026-10-08 cs.SI physics.soc-ph
Balance with Memory in Signed Networks via Mittag-Leffler Matrix Functions
本文提出基于 Mittag-Leffler 矩阵函数的符号网络平衡指数，利用非保守扩散与记忆效应减轻长环惩罚，并在人工及多类真实网络中验证其有效性。
2024-06-14 cs.SI math.DS math.SP
Node Classification for Signed Social Networks Using Diffuse Interface Methods
University of Tübingen（图宾根大学）；The University of British Columbia（不列颠哥伦比亚大学）；Technische Universität Chemnitz（开姆尼茨工业大学）
签名网络包含积极和消极的相互作用，如友谊和敌意。非符号图中的节点分类任务已被证明在许多现实世界的应用中是有益的，但对有符号网络的扩展在很大程度上仍未被探索。在本文中，我们介绍了第一次分析的节点分类签署社交网络通过扩散接口的方法的基础上的Ginzburg-Landau功能与不同的扩展图拉普拉斯签署网络。我们表明，混合的信息，从积极和消极的互动，导致性能的改善，真正签署的社交网络，始终优于目前的最先进的。
2019-08-05 cs.LG cs.NA cs.SI
Robust Deep Signed Graph Clustering via Weak Balance Theory
本文针对符号图聚类中噪声敏感和聚类边界收窄问题，提出基于弱平衡理论的DSGC框架，通过符号修正去噪、密度增强和聚类导向神经网络实现鲁棒聚类，并在多个数据集上取得最优性能。
2025-02-08 cs.SI
A Model of Consistent Node Types in Signed Directed Social Networks
签名定向社交网络越来越普遍，其中用户之间的关系可以是积极的（表示信任等关系）或消极的（表示不信任等关系）。因此，积极和消极的关系之间的相互作用，在这样的网络已成为一个重要的研究课题。最近的研究集中在边缘符号推理的结构平衡理论或社会地位理论。然而，这两种理论都不能很好地解释当由该边连接的两个节点不共享共同邻居时观察到的边符号（例如，共同的朋友）。在本文中，我们开发了一种新的方法来处理这种情况，通过应用一个新的模型的节点类型。首先，我们分析了一个完全观察到的有向网络中的局部节点结构，推断出底层节点类型。两个节点之间的边的符号必须与它们的类型一致;这很好地解释了边的符号，即使没有共同的邻居。此外，我们表明，我们的方法可以扩展到包括定向三合会，当它们存在时，就像在基于结构平衡或社会地位理论的模型。我们基于部分观察到的Wikipedia、Slashdot和Epperly网络，在实证研究中计算贝叶斯节点类型，其中最大的网络（Epperly）有119 K个节点和841 K条边。我们的方法产生更好的性能比国家的最先进的方法，这三个签署有向网络。
2014-08-28 cs.SI physics.soc-ph stat.AP
Proper network randomization is key to assessing social balance
针对符号网络结构平衡评估中传统零模型失效的问题，提出保留符号度与拓扑的STP随机化方法，使多数社交网络满足强结构平衡，并揭示其机制与应用前景。
2023-05-26 cs.SI physics.soc-ph
Asynchronous Rumour Spreading in Social and Signed Topologies
在本文中，我们提出了一个实验分析的异步推拉谣言传播协议。该协议是迄今为止在分布式系统中用于简单、可扩展和鲁棒信息传播的性能最好的谣言传播协议。我们分析了多个参数对协议性能的影响，例如使用内存避免连续两次接触同一邻居，改变节点使用的停止标准来决定何时停止传播谣言，采用更复杂的邻居选择策略而不是标准的均匀随机选择等。以前的工作集中在提供理论上的上限，传播谣言到所有节点所需的轮数，或者，通过调整孤立的参数提出改进。据我们所知，我们的工作是第一个研究多个参数如何影响系统行为的隔离和组合，并在广泛的价值观。我们的分析基于使用真实世界社交网络数据集的实验模拟，从而补充了先前的理论工作，以阐明该协议在实际的真实世界系统中的行为。我们还研究了协议在一种特殊类型的社交图上的行为，称为签名网络（例如，Slashdot和Epperly），其链接表明更强的信任关系。最后，通过我们的详细分析，我们演示了如何简单地添加到协议可以提高所需的总时间通知100%的节点最多99.69%，平均82.37%。
2015-01-15 cs.SI physics.soc-ph
Brazilian Congress structural balance analysis
在这项工作中，我们研究的行为，巴西的政治家和政党的聚类算法的帮助下签署的社交网络。为了这个目的，我们提取和分析了一组签名网络，代表巴西国民议会下院的投票会议。我们处理了2011年至2016年期间所有可用的投票数据，通过考虑国会议员之间的投票相似性来定义加权签名链接。通过解决相关聚类（CC）问题获得的解决方案是调查代表投票网络以及忠诚度，领导力，联盟，政治危机和社会现象（如调解和两极分化）的基础。
2017-01-30 cs.SI physics.soc-ph
Maximizing Contrasting Opinions in Signed Social Networks
经典的影响力最大化问题在社交网络中找到有限数量的有影响力的种子用户，使得网络中受影响的用户的预期数量最大化，遵循影响力级联模型。这个问题已经在不同的设置中进行了研究，进一步推广了图结构，例如，边缘权重和极性，目标用户类别等。在本文中，我们介绍了一个独特的影响力扩散的情况下，涉及人口分裂成两个不同的群体，具有相反的意见。我们的目标是找到最有影响力的$k$种子节点，以便同时最大限度地采用两个不同的，对立的意见，在两个群体中，分别。有效地找到这些有影响力的用户在广泛的应用中至关重要，例如增加选民参与度和投票率，引导公众辩论和关于有争议意见的社会问题的讨论。我们用选民模型来模拟意见扩散和动态，然后设计一个线性时间和精确的算法COSiNeMax，同时还研究了网络中的长期意见特征。我们的实验与几个真实世界的数据集证明了所提出的算法的有效性和效率，与各种基线相比。
2019-10-26 cs.SI physics.soc-ph
Spreading and Structural Balance on Signed Networks
研究符号网络的结构平衡分类及其谱性质，发现严格不平衡网络的谱半径特征，并在线性与非线性动力学中验证一致模式，提出新测度并通过实验确认。
2024-01-07 cs.SI math.DS math.SP
Multilevel Structural Evaluation of Signed Directed Social Networks based on Balance Theory
平衡理论解释了社会系统结构背后的力量，这些力量通常被建模为静态无向签名网络。我们扩展这种建模方法，将方向性的边缘，并考虑三个层次的分析：三合会，子群，和整个网络。对于三能级平衡，我们利用满足传递性条件的半圈来实现一个新的测度。对于子组级别的平衡，我们提出了凝聚力（组内团结）和分裂（组间对抗）的措施，以捕捉平衡的网络使用最合适的节点划分成两个组的子组内和之间。对于网络级的平衡，我们重新使用了归一化的线索引，以纳入方向性，并提供其位置适合平衡的边缘的比例。通过广泛的计算分析，我们量化和分析了三合会、子群和整个网络中的社会结构模式，这些模式涵盖了从大学生和维基百科编辑到哲学家和比特币交易员的一系列社会环境。然后，我们应用我们的多层次分析框架来研究时间和多层网络中的平衡，这表明了我们评估平衡的方法的普遍性，并导致了关于时间和层维度的平衡的新观察。我们对各种社交网络的补充发现强调了在不同层面评估平衡的必要性。我们提出了一个全面而简约的方法来满足这一需求。
2020-07-20 cs.SI math.OC physics.soc-ph
Identifying hidden coalitions in the US House of Representatives by optimally partitioning signed networks based on generalized balance
在网络科学中，基于广义平衡理论将符号网络划分为内部凝聚和相互分裂的簇的最佳划分在计算上具有挑战性。我们重新制定和推广两个二进制线性规划模型，以应对这一挑战，证明他们的实用性，通过将它们应用于分区网络的合作，在美国众议院。这些模型保证了一个全局最优的网络分区，并可以实际应用于签署的网络包含多达30,000条边。在美国众议院的情况下，我们发现，一个三集群分区是优于传统的两集群分区，否则隐藏的第三联盟是由高度有效的立法者谁是意识形态上与多数党一致。
2022-07-27 cs.CY cs.SI math.OC
ABCD: Algorithm for Balanced Component Discovery in Signed Networks
针对符号图最大平衡子图检测的NP难问题且缺乏评估基准的现状，提出可扩展的ABCD算法，通过筛选低挫折指数的前K个平衡状态求解，在百万级顶点边数的网络中，相近时间内得到的平衡子图规模是现有前沿方法的两倍。
2025-01-15 cs.SI math.CO
Signed Network Structural Analysis and Applications with a Focus on Balance Theory
我们从平衡理论的角度分析了签名网络，该理论预测签名社交网络的结构平衡是一个全球性的结构，代表了朋友和敌人的群体。平衡网络的稀缺性促使我们定义了部分平衡的概念，以量化网络的平衡程度。我们评估了几个数值措施的部分平衡，并建议使用挫折指数，满足关键的公理性质的措施，并允许我们分析图形的基础上，他们的水平的部分平衡。文献中用于计算挫折指数（也称为平衡线指数）的精确算法是不可扩展的，并且不能处理具有几百条边的图。我们制定计算挫折指数作为一个图形优化问题，找到最小数量的边缘，其删除结果在一个平衡的网络给定的二元决策变量与图形节点和边缘。我们使用我们的第一个优化模型来分析多达3000条边的图形。重新制定的优化问题，我们开发了三个更有效的二进制线性规划模型。装备模型与有效的不平等和优先级的分支作为加速技术，使我们能够处理图形与15000边廉价的硬件。除了使精确的计算可能为大型图，我们表明，我们的模型优于在文献中建议的数量级的近似算法和近似算法。我们扩展了签名网络的平衡和挫折的概念，超越了经典的朋友-敌人的解释平衡理论在社会背景下的应用。使用高性能计算机，我们分析了多达10万条边的图形，以研究从生物学和化学到金融，国际关系和物理学的一系列应用。
2019-01-21 cs.SI math.OC physics.soc-ph
The Evolution of Beliefs over Signed Social Networks
我们研究的意见（或信仰）的演变在一个社会网络建模为一个有符号的图。在这个图中，连接到边的符号表征了相应的个体或端节点是朋友（正链接）还是敌人（负链接）。节点对是随机选择的，随着时间的推移进行交互，当两个节点交互时，每个节点都会根据另一个节点的意见和相应链接的符号更新自己的意见。该模型将DeGroot模型推广到负链接：当两个敌人互动时，他们的意见会朝着相反的方向发展。我们提供的条件收敛和发散的期望，在均方，几乎肯定的意义上，并表现出相变现象，这些概念的收敛取决于参数的意见更新模型和基础图形的结构。我们建立了一个{ \it no-survivor}定理，指出当网络中的观点作为一个整体出现分歧时，任何两个节点的观点差异就会出现分歧。我们还证明了一个{ \it live-or-die}引理，表明几乎可以肯定，意见要么收敛到一个协议或分歧。最后，我们将我们的分析扩展到意见有严格的下限和上限的情况。在这些情况下，我们研究何时以及如何意见可能会成为渐近聚集到信念边界，并强调这种聚集现象的关键影响（强或弱）的基础网络的结构平衡。
2015-08-14 cs.SI physics.soc-ph
Learning Disentangled Representations in Signed Directed Graphs without Social Assumptions
Jeonbuk National University（全北国立大学）
本文提出DINES方法，在不依赖社会理论假设的前提下，通过解耦表示学习、轻量级图卷积和自监督因素判别器，在有符号有向图中有效学习节点表示并显著提升符号预测性能。
2023-07-06 cs.LG cs.SI
Learning Stance Embeddings from Signed Social Graphs
University of Oxford（牛津大学）；Meta；Twitter Cortex（推特Cortex部门）
社会网络分析中的一个关键挑战是理解图中人们对大量主题的立场或立场。尽管过去的工作已经使用签名图对社交网络中的（不）一致进行了建模，但是这些方法没有对跨一系列相关主题的一致模式进行建模。例如，在一个主题上的分歧可能会使相关主题的分歧（或协议）更有可能。我们提出了立场嵌入模型（SEM），它联合学习嵌入为每个用户和主题在签名的社交图与不同的边缘类型为每个主题。通过联合学习用户和主题嵌入，SEM能够执行冷启动主题立场检测，预测用户对我们尚未观察到他们参与的主题的立场。我们使用我们开源的两个大规模Twitter签名图数据集来证明SEM的有效性。一个数据集，TwitterSG，标签（不）协议使用用户之间的参与通过推文来获得主题信息，签名的边缘。另一个是BirdwatchSG，利用社区对错误信息和误导性内容的报告。在TwitterSG和BirdwatchSG上，SEM显示相对于强基线分别减少了39%和26%的错误。
2022-12-15 cs.AI cs.SI
Black-Box Attacks against Signed Graph Analysis via Balance Poisoning
本文提出黑盒 balance-attack，通过投毒降低符号图平衡程度以攻击SGNN，并用启发式算法求解NP难问题，在五个模型和四个数据集上验证其有效性。
2023-09-05 cs.CR cs.SI
Inferring signed social networks from contact patterns
Maastricht University（马斯特里赫特大学）；University of Vermont（佛蒙特大学）
本文提出一种贝叶斯框架，通过MCMC推断区分无互动是机会不足还是主动回避，提升带符号网络推断的准确性，尤其在检测负边方面表现优异。
2026-05-11 cs.SI
World War III Analysis using Signed Social Networks
在最近的一段时间里，随着许多社交平台的出现，各种单位之间的关系可以被框定为积极的，消极的或没有关系。这些单位可以是个人、国家或其他构成签名网络基本结构组成部分的单位。这些有符号的网络描绘了这样形成的图的动态特性，只允许很少的符号组合，这使得结构平衡定理在画面中。结构平衡理论认为，有符号的社交网络往往是有组织的，以避免冲突的情况下，相应的不稳定的关系周期。网络结构平衡的目的是找到适当的节点划分，以保证系统的平衡，只允许在图中有符号边的少数组合三角形。网络领域的大多数工作要么解释了符号图的重要性，要么应用了平衡定理并试图解决问题。随着各国竞相争强好胜的时代潮流，第三次世界大战发生的可能性成为每个人心中的疑问。然而，我们的论文旨在回答一些关于第三次世界大战的有趣问题。在这个项目中，我们创建了一个签名图，将第三次世界大战的参与国描绘为节点，并预测了战争期间将形成的最佳国家联盟。此外，我们还直观地描绘了在这场战争中将形成的社区数量以及每个社区的参与国。
2021-08-24 cs.SI
Multi-topic belief formation through bifurcations over signed social networks
提出有符号社交网络上连续时间多维信念形成的非线性模型，揭示分岔导致观点形成，并给出多稳态均衡与振荡依赖网络结构的条件。
2024-07-02 cs.MA cs.SI math.DS
Balance and Frustration in Signed Networks
挫折指数是分析符号网络的一个重要指标，但由于其计算复杂性而没有得到充分的应用。我们使用一个精确的优化为基础的方法来分析挫折作为一个全球性的结构属性签署网络来自不同的应用领域。在平衡理论的经典敌我解释中，计算挫折指数的副产品是将节点划分为两个内部团结但相互敌对的组。本文的主要目的是提出一般的方法来回答问题的部分平衡签署的网络，并将其应用到一系列的代表性的例子，现在可以分析，因为在计算方法的进步。我们提供了社会和生物签署网络，国家之间的正式联盟和对抗网络，金融投资组合网络的精确数值结果。碳和伊辛模型的分子图也被认为是。本文探讨的几个问题的目的是提出一个单一的一般方法来研究签署的网络，并证明其相关的应用。我们指出了几个错误的签署网络的文献所造成的不准确的计算，实施错误或措施不当。
2019-07-21 cs.SI math.OC
Seating Assignment Using Constrained Signed Spectral Clustering
在本文中，我们提出了一种新的方法，限制集群大小签署谱聚类，使我们能够细分大群体的人的基础上，他们的关系。一般来说，有符号聚类只需要K个硬簇，并且不限制簇的大小。我们扩展了有符号聚类，包括集群大小的限制。使用座位分配的例子，我们有效地找到了具有高社会亲和力的人群，同时减轻了彼此不喜欢的人之间尴尬的社会互动。
2017-08-02 cs.DC cs.SI
Trust as a Metric for Resiliency in Signed Social Networks
最近的技术进步导致在线交易激增，引发了对盗窃和欺诈的严重担忧，特别是在比特币OTC（场外交易）等平台上，用户的身份保持匿名。为了降低风险，必须根据用户的交易历史记录来获取用户的声誉。谁信任谁签名的人的网络具有反映用户之间的这种积极和消极关系的性质的能力。它可用于分析此类平台的链接模式、强度和弹性。由于个体之间信任的动态性质，这些信任网络往往容易受到链路或节点故障的影响，因此了解此类系统的稳定性至关重要。在本文中，我们考虑的问题，量化的弹性签署网络的帮助下，值得信赖的社区结构。我们提出了一个度量计算社区结构的可信度。使用所有社区结构的可信度分数，我们生成一个管道来评估签名网络的弹性。我们还展示了这些生成的弹性分数与网络的真实性质是一致的。
2021-08-19 cs.SI
Scaling Frustration Index and Corresponding Balanced State Discovery for Real Signed Graphs
针对现有符号图挫折指数计算方法无法适配千万级顶点边大型网络的问题，提出基于树的graphBpp和基于梯度下降的graphL算法，速度比前沿方法快300余倍，可高效发现任意规模网络的平衡态。
2025-01-15 cs.SI math.CO
Signed-Graph Recommendation as Structural Consistency Maximization
Northeast Normal University（东北师范大学）
研究带符号社交推荐中结构噪声和数据稀疏性问题，提出SSC-Loop统一框架，通过三个模块实现结构、传播和语义一致性最大化，在Epinions和Slashdot实验中展现良好性能。
2026-07-08 cs.AI cs.SI
Signed Graph Diffusion Network
Jeonbuk National University（全北国立大学）；Seoul National University（首尔国立大学）
给定一个有符号的社交图，我们如何学习适当的节点表示来推断缺失边的符号？签名社交图已经受到相当大的关注，模型的信任关系。学习节点表示对于有效地分析图数据是至关重要的，并且已经提出了诸如网络嵌入和图卷积网络（GCN）的各种技术来学习符号图。然而，传统的网络嵌入方法对于诸如链路符号预测的特定任务不是端到端的，并且基于GCN的方法在其深度增加时遭受性能降级问题。在本文中，我们提出了符号图扩散网络（SGDNet），一种新的图神经网络，实现了端到端的节点表示学习的链接符号预测签名社交图。我们提出了一种专门为符号图设计的随机游走技术，以便SGDNet有效地扩散隐藏节点特征。通过大量的实验，我们证明了SGDNet在链接符号预测准确性方面优于最先进的模型。
2020-12-28 cs.LG cs.SI
Analyzing Wikipedia Membership Dataset and PredictingUnconnected Nodes in the Signed Networks
University of California Los Angeles（加州大学洛杉矶分校）
在数字互动时代，社交媒体上存在的人与人之间的关系可能与线下存在的相同互动不同。检查社交网络中成员之间的潜在或虚假关系是计算机科学家的一个丰富的研究领域-在这里，我们研究如何通过使用精确召回曲线和ROC下的区域来预测社交网络中两个未连接的人之间的关系。将社交网络建模为签名图，我们比较了Triadic模型，潜在信息模型和情感模型，并使用它们来预测对等交互，首先使用普通签名网络，然后使用带有评论的签名网络作为上下文。我们发现，我们的模型比随机模型要好得多，并且在不同的情况下可以相互补充。
2021-10-18 cs.AI cs.LG cs.SI
Characterizing Polarization in Social Networks using the Signed Relational Latent Distance Model
Technical University of Denmark（丹麦技术大学）
图表示学习已经成为表征和理解网络结构的重要工具，特别是社交网络。通常，这些表示学习方法将网络嵌入到低维空间中，其中每个个体的角色可以根据其潜在位置来表征。社交网络目前的一个主要问题是出现两极分化和过滤泡沫，促进“我们与他们”的心态，这种心态可能由被认为最终导致政治暴力和民主侵蚀的极端立场所界定。这种极化网络通常以反映喜欢和不喜欢的有符号链接来表征。我们提出了潜在的符号关系潜在距离模型（SLIM），首次使用的似然函数的符号网络和扩展的建模，以不同的极端位置的特征，通过限制嵌入空间的多面体。在四个真实的社会符号极化网络上，我们证明了该模型提取了低维特征，可以很好地预测友谊和敌意，同时提供了可解释的可视化定义的极端位置时，赋予模型的嵌入空间限制到多面体。
2023-03-03 cs.LG cs.SI stat.ML
Scalable Algorithm for Finding Balanced Subgraphs with Tolerance in Signed Networks
针对符号网络最大平衡子图问题，本文提出纳入不规则容错的广义模型及基于区域的可扩展启发式算法，在效果和效率上均优于现有方法。
2024-06-16 cs.DS cs.SI
Prediction and Clustering in Signed Networks: A Local to Global Perspective
University of Texas, Austin（德克萨斯大学奥斯汀分校）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
社交网络的研究是一个新兴的研究领域。然而，大多数现有的工作涉及简单地编码关系是否存在的网络。相比之下，签名网络中的关系可以是积极的（“喜欢”，“信任”）或消极的（“不喜欢”，“不信任”）。社会平衡理论表明，签名网络倾向于遵循某些局部模式，而这些局部模式反过来又会导致某些全局特征。在本文中，我们利用本地以及全球方面的社会平衡理论的两个基本问题，在分析签署的网络：符号预测和聚类。受社会平衡的局部模式的启发，我们首先提出了两个家族的符号预测方法：社会不平衡的措施（MOI），和使用高阶循环（HOC）的监督学习。这些方法基于三角形和\ell -循环来预测相对小的\ell值的边的符号。有趣的是，通过研究社会不平衡的措施，我们表明，经典的Katz措施，这是广泛使用的无符号链接预测，实际上有一个平衡理论的解释时，适用于签署的网络。此外，受平衡网络全局结构的启发，我们提出了一种有效的低秩建模方法，用于符号预测和聚类。对于低秩建模方法，我们通过凸松弛提供理论性能保证，使用基于矩阵分解的算法将其扩展到大的问题大小，并提供广泛的实验验证，包括与本地方法的比较。我们的实验结果表明，通过采用更全局的平衡结构的观点，我们得到显着的性能和计算增益在预测和聚类任务的签署网络。因此，我们的工作突出了有用的全球方面的平衡理论的分析签署的网络。
2013-03-05 cs.LG cs.SI
Signed Graph Analysis for the Interpretation of Voting Behavior
在有符号图中，每个链接都标有正号或负号。这特别适合于对极化系统进行建模。这样的图可以通过结构平衡的概念来表征，结构平衡依赖于将图划分为内部团结但相互敌对的子组。在这项工作中，我们表明，签名图可以用来建模和理解投票行为。我们利用来自欧洲议会的数据来面对两个变量的结构平衡，并说明如何使用它们可以帮助更好地理解所研究的系统。
2018-01-19 cs.CY cs.SI physics.soc-ph
MUSE: Multi-faceted Attention for Signed Network Embedding
Anhui University（安徽大学）
符号网络嵌入是一种学习具有正链接和负链接的符号网络中节点的低维表示的方法，其有助于下游任务，例如使用一般数据采掘框架的链接预测。由于负链接具有独特的性质和显著的附加值，现有的符号网络嵌入方法通常基于平衡理论和地位理论等社会理论设计专用方法。然而，现有的带符号网络嵌入方法忽略了每个节点的多个方面的特性，并将它们混合在一个单一的表示中，这限制了捕获节点对之间细粒度注意力的能力。在本文中，我们提出了MUSE，一个多方面的注意力为基础的签名网络嵌入框架来解决这个问题。具体地说，联合面内和面间注意力机制被引入到聚合来自邻居节点的细粒度信息。此外，平衡理论也被用来指导信息聚合从多阶平衡和不平衡的邻居。在四个真实签名网络数据集上的实验结果证明了该框架的有效性。
2021-04-29 cs.LG cs.SI
