Classification of Complex Networks Based on Topological Properties
复杂网络是一种强大的建模工具,可以研究无数的现实世界系统。它们已被用于非常不同的领域,如计算机科学,生物学,社会学,管理等作者一直试图用各种措施,如度分布,传递性或平均距离来表征它们。他们的目标是检测某些属性,如小世界或无标度属性。以前的工作已经表明,这些属性中的一些存在于许多不同的系统中,而另一些仅是某些类型的系统的特征。然而,这些研究中的每一个通常集中在一个非常小的数量的拓扑措施和网络。在这项工作中,我们的目标是使用更系统的方法。我们首先构建了一个包含152个公共可用网络的数据集,跨越7个不同的领域。然后,我们处理14个不同的拓扑措施,以最完整的方式来描述它们。最后,我们应用标准的数据采掘工具来分析这些数据。聚类分析表明,有可能获得两个明显不同的网络集群,大致对应于网络建模的域的二等分。在这些数据上,最具判别力的度量是密度、模块性、平均度和传递性,在较小程度上是接近性和边介数centralies.Abstract--复杂网络是一种强大的建模工具,可以研究无数的现实世界系统。它们已被用于非常不同的领域,如计算机科学,生物学,社会学,管理等作者一直试图用各种措施,如度分布,传递性或平均距离来表征它们。他们的目标是检测某些属性,如小世界或无标度属性。以前的工作已经表明,这些属性中的一些存在于许多不同的系统中,而另一些仅是某些类型的系统的特征。然而,这些研究中的每一个通常集中在一个非常…
2014-02-02 cs.SI physics.soc-ph
Weighted, Bipartite, or Directed Stream Graphs for the Modeling of Temporal Networks
我们最近介绍了一种用于时态网络建模的形式主义,我们称之为流图。它强调数据的流性质,并允许对许多重要概念的严格定义,从而概括了经典图。这特别包括大小、密度、集团、邻域、度、聚类系数和传递性。在这方面的贡献,我们表明,像图,流图可以扩展到应付二分结构,节点和链接的权重,或链接方向。我们回顾了文献中提出的主要的二分,加权或有向图的概念,我们将它们推广到二分,加权,或有向流图的情况下,我们表明,得到的概念是一致的图和流图。这为具有这些特征中的一个或多个的许多时间网络的准确建模提供了正式的基础。
2021-11-23 cs.DS cs.SI physics.soc-ph
The Iterated Local Model for Social Networks
在线社交网络,如Facebook和Twitter,经常从网络中代理之间的友谊关系的角度进行研究。然而,敌对关系在社交网络的结构和功能中也发挥着重要作用,但往往是隐藏的。社交网络的生成机制是由结构平衡理论预测的,该理论假设三人组的代理人更倾向于传递性,即朋友的朋友更可能是朋友,或者是反传递性,即对手的对手成为朋友。先前提出的迭代局部传递性(ILT)和迭代局部反传递性(ILAT)模型分别将传递性和反传递性作为进化机制。这些模型产生了具有社交网络的许多可观察属性的图,例如低直径、高聚类和致密化。我们提出了一个新的,生成模型,称为迭代本地模型(ILM)的社交网络随着时间的推移合成传递和反传递的三元组。在ILM中,我们给出一个可数无限二进制序列作为输入,该序列决定我们是否应用传递或反传递步骤。由此产生的模型表现出在ILT和ILAT模型中观察到的复杂网络的许多特性。特别是,对于任何输入的二进制序列,我们表明,渐近模型生成的有限图,致密,有界的聚类系数从0,直径最多为3,并表现出不良的谱扩展。对ILM图的诱导子图的色数、控制数、Hamilton性和同构类型进行了深入的分析。
2019-03-11 cs.DM cs.SI math.CO
A Nontrivial Interplay between Triadic Closure, Preferential, and Anti-Preferential Attachment: New Insights from Online Data
本文提出了一个时间网络的分析,描述了一个大规模的(约30,000)样本的在线社交网络用户,一个固定的城市居民的社会联系。我们测试了网络形成的主要决定因素--传递性、偏好依恋和社会选择--对网络进化的贡献。除此之外,我们发现,意见社会选择影响领带出现,而其影响领带去除是相当不清楚。我们报告说,传递性表现出最强的网络动态的影响。令人惊讶的是,仔细观察揭示了一个有趣的和复杂的相互作用之间的传递性,优先连接,和反优先连接机制。对于给定的一对未连接的节点,如果它们没有相互连接,那么结创建的概率随着节点度的总和而增加--这正是优先连接机制所假设的。相反,如果节点至少有一个共同的朋友,那么如果两个节点都只有几个朋友,那么出现领带的概率最高-这种现象被称为反偏好依恋。我们试图通过诉诸社会团体和领导者的概念来解释这一发现。
2022-10-03 cs.SI cs.SY eess.SY
Closure coefficients in scale-free complex networks
复杂网络中三角形的形成是一个重要的网络性质,受到了极大的关注。三角形的形成经常通过聚类系数来研究。封闭系数或传递性是衡量三元封闭性的另一种方法。此统计量从三角形的头节点(而不是从中心节点,如经常研究的聚类系数)测量聚类。我们进行了第一次探索性分析的行为的局部封闭系数在两个随机图模型,创建简单的网络与幂律度:隐藏变量模型和双曲随机图。我们表明,封闭系数的行为显着不同,在这些简单的随机图模型比以前研究的多重图模型。我们还将高度顶点的封闭系数与聚类系数和平均最近邻度联系起来。
2020-06-10 cs.SI math.PR physics.soc-ph
Clustering Drives Assortativity and Community Structure in Ensembles of Networks
聚类、重复性和社区是复杂网络的关键特征。我们探测这些属性之间的依赖关系,发现具有较强的聚类的合奏显示高的程度和突出的社区结构,而合奏具有高的聚类性是不太偏向于集群或社区结构。此外,集群网络可以放大小的同性恋倾向的性状重复性。这种明显的不对称性表明,传递性,而不是同质性,驱动标准的非社会/社会网络二分法。
2011-01-05 cond-mat.stat-mech cs.SI physics.soc-ph
How Correlated are Community-aware and Classical Centrality Measures in Complex Networks?
与经典的中心性度量不同,最近发展起来的社区感知中心性度量使用网络的社区结构来识别复杂网络中有影响力的节点。本文研究了它们之间的关系,一组来自不同领域的50个真实世界的网络。结果表明,经典和社区意识的中心性措施一般表现出低到中等的相关值。这些结果在网络上是一致的。传递性和有效性是最有影响力的宏观网络特征驱动的经典和社区意识的中心性措施之间的相关性变化。此外,混合参数,模块化,和最大ODF的主要介观拓扑性质发挥最实质性的影响。
2022-01-30 cs.SI
Structural measures of similarity and complementarity in complex networks
相似性原理,或称同质性原理,经常被用来解释复杂网络中观察到的模式,如传递性和三角形(3-圈)的丰富性。然而,从劳动分工到蛋白质-蛋白质相互作用(PPI)的许多现象都是由互补性(差异和协同作用)驱动的。在这里,我们表明,互补原理与四边形(4-圈)和密集的二部样子图的丰度。我们将这两个原则与它们的特征基序联系起来,并引入了两个系数族:(1)结构相似性,它概括了局部聚类和闭合系数,并捕获了相似性驱动结构的全谱;(2)结构互补性,类似地定义,但基于四边形而不是三角形。使用多个社会和生物网络,我们证明了系数捕获结构特性相关的有意义的领域特定的现象。我们表明,它们可以区分不同类型的社会关系,以及测量整个生命树的PPI网络的结构多样性不断增加。我们的研究结果表明,某些类型的关系更好地解释互补性比同质性,并可能有助于改善现有的链接预测方法。我们还介绍了一个Python包,实现了有效的算法来计算建议的系数。
2022-10-10 cs.SI physics.soc-ph
An empirical characterization of community structures in complex networks using a bivariate map of quality metrics
社区发现是发现网络介观结构的一个重要任务。然而,“好”社区的概念是非常依赖于上下文的,并且使用可用的社区发现技术来推断社区特征相对复杂。在现实中,存在的差距,结构良好的质量指标和预期的拓扑模式造成了混乱,在评估社区结构。在本文中,我们引入了一个经验的多元分析不同的结构优良性,以表征几个可检测的社区拓扑结构。具体来说,我们表明,两个代表性的结构尺寸,包括社区传递性和枢纽优势的组合,可以区分不同的拓扑结构,如基于星,基于candle,基于字符串和基于网格的结构。此外,这些拓扑类别揭示了与Erdens-Rényi,Watts-Strogatz和Barabási-Albert生成模型创建的图的结构相似性。我们说明了流行的社区拓扑结构,由不同的检测方法在一个大型数据集组成的许多网络类别,并将其结构与最相关的图生成模型。有趣的是,这种合取表示揭示了各种网络类别中介观结构之间的根本差异,包括:通信,信息,生物,技术,社会,生态,合成网络等等。
2018-06-01 cs.SI physics.soc-ph
Interplay Between Hierarchy and Centrality in Complex Networks
层次性和中心性是两个流行的概念,用于描述复杂系统中实体的重要性。事实上,许多复杂的系统表现出自然的层次结构,中心性是一个基本特征,可以识别关键成分。为了量化这些概念,已经提出了基于网络拓扑的各个方面的几种措施。虽然许多研究已经调查了中心性措施是否传递冗余信息,如何中心性和层次结构的措施是一个悬而未决的问题。在本文中,我们研究了中心性和层次结构之间的相互作用,使用几个相关性和相似性评价措施。一系列的实验进行,以评估6个中心性措施的组合与4个层次的措施,在28个不同的现实世界的网络具有不同的拓扑特征。结果表明,网络密度和传递性在塑造中心性和层次测度之间的关系模式中起着关键作用。
2021-03-02 cs.SI
Complex Networks, Communities and Clustering: A survey
本文是对复杂网络社区和聚类文献的广泛调查。复杂网络描述了自然界和社会中广泛存在的各种系统,特别是由大量高度互联的动态实体组成的系统。像真实网络一样,复杂网络也可以有社区结构。复杂网络中社团的发现和识别有多种方法和算法。一些复杂网络具有聚类性或网络传递性。复杂网络领域的一些重要概念是小世界和规模鲁棒性,度分布,聚类,网络相关性,随机图模型,网络增长模型,网络动力学过程等。当前复杂网络社区的一些研究领域是社区演化,重叠社区,有向网络社区,社区表征和解释,为通过聚类进行网络社区发现而提出的许多算法或方法是基于最小割的算法、基于分层连通性的算法、原始GirvanNewman算法、模块化最大化的概念、利用来自信息和编码理论的度量的算法以及基于团的算法的修改版本或从这些概念中得到启发。
2015-03-21 cs.SI
Approximate Identification of the Optimal Epidemic Source in Complex Networks
我们考虑的问题,确定通过网络传播的流行病的来源,从一个完整的观察网络的快照中的感染节点。以前的工作对这个问题往往采用几何,光谱或启发式的方法来确定源,与树是最研究的网络拓扑结构。我们采取一个完全统计的方法,并推导出新的递归计算贝叶斯最优解,在一个易感染(SI)的流行病模型。我们的分析是时间和速率无关的,并适用于一般的网络拓扑结构。然后,我们提供了两个易于处理的算法来解决这些递归,平均场近似和贪婪的方法,并评估其性能的真实和合成网络。真正的网络远非树状网络,重点将放在具有高传递性的网络上,例如社交网络和具有社区的网络。我们表明,在这样的网络上,我们的方法显着优于几何和光谱中心性措施,其中大多数表现并不比随机猜测。贪婪近似和平均场近似都可以扩展到大型稀疏网络。
2019-06-12 cs.SI physics.soc-ph stat.AP
Quantifying edge relevance for epidemic spreading via the semi-metric topology of complex networks
本文提出基于半度量畸变的网络稀疏化方法,通过移除违反三角不等式的边来保留最短路径和流行病传播动力学,在恢复宏观与微观传播动态方面优于现有方法。
2025-06-04 cs.SI physics.soc-ph
Modeling Terrorist Networks, Complex Systems at the Mid-range
在本文中,我们发展了2003年伦敦经济学院联合复杂性会议上提出的主题,随后发表在The Intelligencer(2004)和O Tempo Das Redes(2008)上。根据Valdis Krebs从公开来源开发的9/11劫持网络的数据分析,我们应用社会网络理论来研究从复杂适应系统理论的角度来看,关于恐怖主义的突出论点。特别是,我们探讨的概念,群体凝聚力,附着力和替代网络映射来自节点删除。
2014-05-20 cs.SI physics.soc-ph
Inferring hierarchical structure of spatial and generic complex networks through a modeling framework
我们最近的论文[Grauwin et al. Sci. Rep. 7(2017)]表明,人类互动网络的社区和层次结构在很大程度上决定了最小的,在建模时应该考虑到它们。在本概念验证预印本中,考虑了相反的问题:是否可以推断出层次结构本身与网络模型最佳对齐?通过基于层次和(如果定义)地理距离的模型,为空间网络和一般的复杂网络提供了推理机制。该机制允许在复杂网络中以任何期望的分辨率发现分层和社区结构,特别是空间网络的空间独立结构。以美国州际人口迁移网络为例说明了该方法。
2017-12-15 cs.SI physics.soc-ph
A Survey on Hypergraph Mining: Patterns, Tools, and Generators
本文综述超图挖掘,系统梳理真实超图中的结构模式、三类挖掘工具及超图生成器,并提出分类体系与未来研究方向。
2025-02-18 cs.DB cs.SI physics.soc-ph
The distance backbone of complex networks
冗余度需要更精确的表征,因为它是多变量交互网络进化和鲁棒性的主要因素。我们调查这种相互作用的复杂性,通过推断连接传递性,包括所有可能的措施,加权图的路径长度。其结果是,在不将图分解成更小的组件的情况下,距离骨干子图足以计算所有最短路径。这对于理解真实世界网络中传播和通信现象的动态非常重要。我们正式推导出的一般方法产生了一个原则性的图形简化技术,并提供了一个更精细的特征的三角形几何的所有边缘-那些有助于最短路径和那些不,但参与其他网络现象。我们证明,在从空中交通到人脑连接体的大型网络中,距离骨干非常小,这表明网络对攻击和故障的鲁棒性似乎源于惊人的大量冗余。
2021-05-11 cs.DS cs.IR cs.SI
Characterizing the Interactions Between Classical and Community-aware Centrality Measures in Complex Networks
在具有社团结构的网络中识别重要节点是一个基本问题。事实上,社区结构是现实世界网络的主要属性之一。最近的工作表明,社区意识的中心性措施相比,毫不逊色于经典的措施不可知论这个无处不在的财产。尽管如此,对于它们之间的关系以及在何种情况下使用经典的或社区意识的中心性度量更好,还没有明确的共识。为此,在本文中,我们进行了广泛的调查,以更好地了解文献报道的经典和社区意识的中心性措施之间的关系。实验使用具有受控社区结构属性的人工网络和来自各个领域的真实网络的大样本。结果表明,社区结构越强,社区意识中心性措施越合适。此外,度和群落大小分布参数的变化不影响结果。最后,网络传递性和社区结构强度是控制经典和社区感知中心性度量之间相互作用的最重要驱动因素。
2021-05-15 cs.CY cs.SI
Modeling complex systems with adaptive networks
自适应网络是一类拓扑和状态协同演化的新型动态网络。现实世界中的许多复杂系统都可以建模为自适应网络,包括社交网络、交通网络、神经网络和生物网络。在本文中,我们介绍了自适应网络的基本概念和独特的性能,通过一个简短的,非全面的回顾最近的文献数学/计算建模和分析这样的网络。我们还报告了我们最近的几个应用程序的计算自适应网络建模和分析现实世界中的问题,包括搜索和救援业务网络的时间发展,从经验网络演化数据的自动规则发现,以及企业合并中的文化整合。
2013-01-11 cs.SI nlin.AO physics.soc-ph
A Computational Framework for Modeling Complex Sensor Network Data Using Graph Signal Processing and Graph Neural Networks in Structural Health Monitoring
Osnabrück University(奥斯纳布吕克大学);Tilburg University(蒂尔堡大学);Jheronimus Academy of Data Science(耶罗尼姆斯数据科学学院)
复杂网络适用于多维数据的建模,例如关系数据和/或时态数据。特别是,当这些复杂的数据及其内在关系需要形式化时,复杂网络建模及其生成的图形表示可以提供各种强大的选项。在本文中,我们的目标-连接到特定的机器学习方法的图形结构健康监测的分析和预测(维护)的角度。具体来说,我们提出了一个框架的基础上复杂网络建模,集成图信号处理(GSP)和图神经网络(GNN)的方法。我们证明了这个框架在我们的目标应用领域的结构健康监测(SHM)。特别是,我们专注于一个突出的现实世界的结构健康监测用例,即,荷兰一座大型桥梁的传感器数据(应变、振动)建模和分析。在我们的实验中,我们表明,GSP能够识别最重要的传感器,我们调查了一组搜索和优化方法。此外,GSP能够检测特定的图形信号模式(模式形状),捕获所应用的复杂网络中传感器的物理功能特性。此外,我们还展示了将GNNs应用于此类数据的应变预测的有效性。
2021-05-01 cs.LG cs.SI
Modeling and Analysis of Network Dynamics in Complex Communication Networks Using Social Network Methods
现代通信网络本质上是复杂的。首先,它们有大量的异构组件。第二,它们之间的联系极为活跃。节点可以来来去去,链接可以随着时间的推移被删除和添加。传统的建模和仿真技术合并或忽略了这样的动态,因此,无法表示它们。因此,复杂的通信网络更好地建模为称为图的数学结构。建模为图形允许应用复杂的技术,如各种基于网络的分析技术。虽然这是通信网络研究人员和工程师非常重要和急需的技能,但据我们所知,目前还没有描述这些细节的资源。在本文中,我们给出了一个简洁而全面的审查建模复杂的通信网络图。我们还展示了如何将复杂的社会网络分析应用于这些模型,除了正式建模网络动力学的示范。
2017-08-01 cs.DM cs.NI cs.SI
Agent based Tools for Modeling and Simulation of Self-Organization in Peer-to-Peer, Ad-Hoc and other Complex Networks
基于Agent的建模和仿真工具为复杂仿真的开发提供了一个成熟的平台。然而,它们在主流的计算机网络建模与仿真领域中的应用并不多。在这篇文章中,我们评估这些工具如何以及是否可以在复杂网络的建模和仿真中提供任何附加值,例如普适计算,大规模对等系统,以及涉及大量环境和人/动物/栖息地交互的网络。具体来说,我们证明了NetLogo的有效性-一个工具,已被广泛用于该地区的基于代理的社会模拟。
2017-08-04 cs.AI cs.MA cs.NI