Structural robustness and transport efficiency of complex networks with degree correlation
我们研究了复杂网络的两个属性，对有针对性的节点删除（攻击）的鲁棒性和节点连接的度相关性方面的传输效率的精确解析表达式的数值计算。我们发现，虽然反相关性增强了结构的鲁棒性，对攻击，反相关性显着提高了传输效率的网络正在考虑中。这一发现可能有助于解释为什么现实世界中的一些网络更倾向于选择性相关，而另一些网络则更倾向于选择性相关。
2012-09-21 cs.SI physics.soc-ph
Effect of assortative mixing in the second-order Kuramoto model
在本文中，我们分析了二阶仓本模型之间的连接的异质性和固有频率的无标度网络的正相关性。我们的数值计算表明，不连续的转变不仅出现在dispertative，但也在dispertative网络，与一阶模型。我们还发现，磁阻对网络同步的影响可以通过调整相位阻尼来补偿。我们的结果表明，它是可能的控制集体行为的阻尼仓本振子通过调整网络结构或通过调整耗散相运动。
2015-04-21 nlin.AO nlin.CD physics.soc-ph
Growing Scale-free Small-world Networks with Tunable Assortative Coefficient
在本文中，我们提出了一个简单的规则，生成无标度的小世界网络与可调的折射系数。这些网络是由两个阶段添加过程中的每个新的节点。该模型可以再现无标度度分布和小世界效应。仿真结果与理论预测基本一致。有趣的是，我们通过调整参数：优先指数$β$，得到了非平凡的聚类系数$C$和可调程度的重复性$r$。该模型可以统一表征双折射和双折射网络。
2006-02-10 physics.soc-ph
Impact of assortative mixing by mask-wearing on the propagation of epidemics in networks
本研究探讨了按戴口罩进行的同配混合对传染病传播的影响，通过mask model在随机网络中推导流行病阈值等指标，发现同配混合在低传播率下不利于遏制流行病，但在高传播率下强同配或最大异配混合能使口罩使用最为有效。
2022-06-27 physics.soc-ph
Regularized Stochastic Block Model for robust community detection in complex networks
随机块模型能够生成不同的网络分区，从传统的分离社区到分离结构。由于度校正随机块模型没有指定所需的混合模式，因此发现网络节点的最可能分区的推理算法很可能陷入对数似然的局部最优解。在这里，我们引入了一个新的模型约束节点的内部度比的目标函数，以稳定的块模型的推断从观察到的网络数据。给定正则化模型，推理算法，如马尔可夫链蒙特卡罗，可靠地找到由单个参数的值指示的连续或离散结构。实验结果表明，当网络中传统的排斥性社团结构不强时，度修正随机块模型的推理往往陷入局部最优解，而我们提出的模型的推理则能快速收敛到期望的排斥性或排斥性分区.
2019-03-28 cs.SI physics.soc-ph
Disassortative mixing in online social networks
传统观点认为，社交网络表现出一种排斥混合模式，而生物和技术网络则表现出一种排斥混合模式。然而，近年来对在线社交网络的研究改变了这一普遍看法，许多在线社交网络呈现出分离或中性混合的特征。特别地，我们发现在线社会网络Wealink经历了从真实社交网络的度可变性特征到许多在线社交网络的度可变性特征的转变，并且这种转变可以通过我们提出的一个简单的网络模型来合理地解释。本文还讨论了网络的可拓性、聚类性和模块性之间的关系。
2009-09-02 physics.data-an physics.pop-ph physics.soc-ph
Jamming in complex networks with degree correlation
本文利用梯度网络方法研究了无标度复杂网络中动力学过程的度-度相关性对压力拥塞J的影响。我们发现，dispertative（dispertative）网络的压力拥塞比不相关的网络，这使我们能够肯定，dispertative网络增强通过它们的传输。这一结果与现实世界中许多交通网络自然演化为这种相关性的事实相一致。我们解释我们的结果表明，对于dispertative的情况下，梯度网络中的集群变成尽可能长，减少压力拥塞J和观察相反的行为的dispertative的情况下。最后，我们将我们的模型应用于现实世界的网络，结果与我们的理论模型。
2010-09-27 cs.SI physics.comp-ph physics.soc-ph
Structure of percolating clusters in random clustered networks
本文研究了在随机簇网络（RCN）模型上由位点渗流形成的簇（PC）的结构。利用生成函数，我们建立了PC的聚类系数和排斥系数。我们的分析和数值计算表明，PC在高度聚集的网络聚集，即使在逾渗阈值。PC的可扩展性取决于RCN的细节。当每个节点的边数和三角形数由泊松分布分配时，渗透阈值处的PC是离散的，但当RCN中的每个节点具有相同的少量边时，其中大多数形成三角形，PC是离散的。这个结果似乎与分形网络的耗散性相矛盾，尽管重整化方案揭示了分形PC的耗散性。
2020-06-17 physics.soc-ph
Assortative Mixing in Close-Packed Spatial Networks
最近邻度相关度依赖的一般关系。局部聚类度的依赖性被证明是唯一的决定性因素，在网络中的竞争性与竞争性混合。研究了空间原子/分子体系的网络特征，如自组织残基网络、嵌段共聚物、原子团簇和高分子熔体等。给出了网络统计特性的分布。对于这些密集包装的系统，在网络建设中的非线性混合被发现适用，并推导出一个简单的线性依赖的条件。总之，这些测量（i）揭示了原子/分子的紧密堆积簇所共有的模式，（ii）识别不同系统中突出的表面效应的类型，以及（iii）将可用于对具有不同类型相关性的网络进行分类的指纹相关联。
2010-10-15 cond-mat.dis-nn cs.SI physics.soc-ph
Nonmonotonic percolation threshold in correlated networks and hypergraphs
Universidad Nacional de Mar del Plata（马德普拉塔国立大学）；Instituto de Investigaciones Físicas de Mar del Plata (IFIMAR), CONICET（马德普拉塔物理研究所 (IFIMAR)，阿根廷国家科学研究委员会）
研究 assortative 和 disassortative 混合对随机节点失效下网络鲁棒性的影响，发现 Pearson 排序系数 r 与渗流阈值 p_c 的关系非单调，且超图中正相关结构更脆弱。
2026-07-29 physics.soc-ph
Influence Robustness of Nodes in Multiplex Networks against Attacks
本文提出MultiCoreRank度量方法计算多重网络节点全局影响力，并发现同配网络比中性和异配网络具有更高的抗攻击弹性。
2023-10-06 cs.NI cs.SI physics.soc-ph
"Clumpiness" Mixing in Complex Networks
介绍了复杂网络簇性的三种度量方法。这些措施量化了网络的大多数中心节点如何聚集在一起。在以前的研究中定义的扩散系数测量了类似的特征，但只考虑了直接相互连接的中心节点的聚集性。本文中定义的聚集系数也考虑了中心节点被几个链接分开的情况。该定义基于节点度和节点对之间的距离。集块系数和扩散系数可以定义四类网络。数值计算表明，该分类方案成功地将30个真实世界的网络分为四类：丛生的排斥，丛生的排斥，松散的排斥和松散的排斥网络。聚类系数也区分了Erdos-Renyi模型和Barabasi-Albert模型，而聚类系数不能区分两者。此外，还讨论了块度系数的界以及三种块度测度之间的关系。
2009-05-25 cond-mat.stat-mech physics.soc-ph
Quantitative modeling of degree-degree correlation in complex networks
提出了一种复杂网络度-度相关性建模方法。因此，考虑描述特定度到度相关性的简单函数Δ（k '，k）。该函数非常适合于图形化地描述网络中的互补和互补变化。为了量化度相关性变化，使用具有任意度的节点之间的联合概率分布P（k '，k）。引入端度概率函数作为基本变量允许使用群论导出P（k '，k）的数学模型。在这种形式中，一个表达式，代表了一个家庭的七个模型，构造所需的规范化条件。应用于Δ（k '，k），该表达式预测了网络中度相关性的非均匀分布，该网络被组织在两个平行区域和两个不平行区域中。这种结构实际上是在一组四个模型中观察到的，技术，社会和生物网络。对15个实际网络进行的回归研究表明，该模型定量地描述了度-度相关性的变化。
2013-09-09 cond-mat.stat-mech physics.soc-ph
Inducing Self-Organized Criticality in a network toy model by neighborhood assortativity
复杂网络是近年来出现的一种研究复杂系统的框架，它包括自组织临界性（SOC）等。网络节点倾向于链接到其他类似类型的节点，其特征在于连续混合。真实网络表现出顶点度的混合，然而典型的随机网络模型，如Erdos-Renyi或Barabasi-Albert，没有表现出任何混合。在本文中，我们介绍了邻域的非线性概念，作为一个节点的倾向，属于一个社区（它的邻居），显示出类似于自己的平均属性。在一个网络玩具模型中，通过引入邻域的按度随机混合，可以发现SOC的动态性，并通过涨落分析表征了由临界性引起的长程相关性，表明节点的活动性与临界性之间存在着线性关系。该模型仅包含一个参数，其不同参数值的统计图可以折叠成一条曲线。该模型的简单性允许进行数值模拟，也可以分析研究的统计参数的特定值，利用马尔可夫链。
2016-09-16 nlin.AO physics.soc-ph
Second-Order Assortative Mixing in Social Networks
在社交网络中，节点的链接数量或节点度通常被认为是节点在网络中的重要性或突出性的代理。众所周知，社交网络表现出（一阶）显著混合，即如果两个节点相连，它们往往具有相似的节点度，这表明人们往往与那些具有可比突出性的人混合。本文研究了社交网络中的二阶混合问题。如果两个节点是连接的，我们测量它们最显著的邻居之间的度相关性，而不是两个节点之间的度相关性。我们在社交网络中观察到非常强的二阶混合，通常明显强于一阶混合。这表明，如果两个人在社交网络中互动，那么每个人都知道的最突出的人的重要性很可能是相同的。如果我们测量两个人的邻居的平均突出度，这也是正确的。这种特性在非社交网络中较弱或为负。我们调查了一些可能的解释这个属性。然而，没有一个被认为提供了充分的解释。因此，我们得出结论，二阶非线性混合是社交网络的一个新的属性。
2017-10-23 physics.data-an physics.soc-ph
Self-learning Mutual Selection Model for Weighted Networks
本文提出了一个自学习的互选择模型来刻画加权进化网络。通过引入自学习概率$p$和由参数$m$控制的一般的相互选择机制，该模型可以再现在许多实际系统中发现的度、权和强度的无标度分布.仿真结果与理论预测基本一致。有趣的是，我们得到了非平凡的聚类系数$C$和可调程度的可调性$r$，取决于参数$m$和$p$。该模型可以统一表征互反加权网络和互反加权网络。此外，我们发现自我学习可能有助于社交网络的混合。
2005-12-30 physics.soc-ph
Happiness is assortative in online social networks
社交网络倾向于倾向于在具有相似或不同特征的个体之间建立联系。这种倾向被称为相似混合或同质性，表示为图中最近邻顶点属性值之间的相关性。最近的结果表明，除了年龄、性别和种族等人口特征之外，甚至“孤独”等心理状态在社交网络中也可以是选型的。尽管在线社交网络的社会重要性日益增加，但在没有身体接触的情况下，仅通过在线网络服务介导社会联系的情况下，是否会发生心理状态的自愿混合尚不清楚。在这里，我们表明，一般的幸福感或主观幸福感（SWB）的Twitter用户，从6个月的记录，他们的个人推文，确实是跨Twitter的社交网络。据我们所知，这是第一个结果，表明在主观幸福感水平上的在线网络的混合。我们的研究结果意味着，在线社交网络可能同样受到社会机制，导致竞争性混合在现实社交网络，这种竞争性混合发生在主观幸福感的水平。鉴于在线社交网络的日益普及，它们将具有相似SWB水平的用户联系起来的倾向可能是更好地理解积极和消极情绪如何通过在线社交关系传播的重要工具。未来的研究可能会集中在特定于事件的情绪状态如何传播和影响用户在“现实生活”中的行为。
2011-03-03 cs.CL cs.SI physics.soc-ph
Percolation on correlated networks
我们重新考虑的问题，在一个平衡的随机网络的度度相关最近的相邻顶点集中在临界奇点渗流阈值。我们得到的度度相关性是无关的临界奇点的标准。我们提出的网络中的混合和dispertative混合导致不寻常的渗流特性和新的临界指数的例子。
2008-10-09 cond-mat.stat-mech math.PR physics.soc-ph
Diffusion on assortative networks: from mean-field to agent-based, via Newman rewiring
本研究从异质平均场近似过渡到基于智能体的模型，利用配置模型和Newman重连方法构建网络系综，研究匹配网络上的扩散过程，并比较不同方法的结果。
2024-06-14 physics.soc-ph
Assortative Mixing in Weighted Directed Networks
一个网络的连接性是指节点之间基于相似性（通常是多余的节点度）而相互连接的趋势。在本文中，我们考虑加权网络，有向和无向的重传性。为此，我们建议考虑多余的顶点强度，而不是多余的程度，并显示，加权网络中的非线性可以分解为两种机制，我们称之为连接效应和放大效应。为了捕捉这些影响，我们引入了广义的折射率系数。这个新系数允许更详细的解释和评估加权网络中的重复性。此外，我们提出了一个程序，以评估统计意义的重叠性，引导和重新布线技术。我们提出的广义反导系数的有用性证明了几个加权现实世界的网络的反导结构的深入分析。
2022-01-19 cond-mat.dis-nn physics.soc-ph
Collaboration in sensor network research: an in-depth longitudinal analysis of assortative mixing patterns
许多科学合作的调查是基于从书目知识库构建的大型网络的统计分析。这些调查通常依赖于丰富的书目数据，但很少或没有关于网络中个人的其他信息，因此，无法说明更广泛的社会和学术景观，其中发生的合作。在这篇文章中，我们进行了深入的纵向分析的一个相对较小的网络的科学合作（N = 291），从文献记录的研究中心参与传感器网络和无线技术的发展和应用。我们对网络的选定结构特性进行初步分析，计算其范围，配置和拓扑结构。然后，我们支持我们的初步统计分析与选定的节点特征的替代性混合的深入的时间调查，揭示了研究人员的倾向，优先与其他具有类似的学术概况。我们的混合模式的定性分析提供了线索的性质，科学界的组织，学科，机构和国际合作安排的关系进行建模。
2009-12-11 cs.DL physics.data-an physics.soc-ph
Assortative mixing in functional brain networks during epileptic seizures
我们研究了100例不同解剖学发病部位的癫痫发作前、中、后的功能性脑网络的重复性。我们从60名癫痫患者的多通道脑电图数据记录构建二元功能网络，并从时间分辨的估计的重复系数，我们得出结论，积极的度度相关性是固有的癫痫发作动力学。随着癫痫发作的发展，癫痫发作率的增加表明，潜在的功能网络被分成了几组大脑区域，这些区域之间只有稀疏的相互连接。有趣的是，癫痫发作结束之前，癫痫发作率已经降低。再加上以前观察到的全球统计特性和癫痫脑网络的同步性的特征时间演变，我们的研究结果可能有助于更深入地了解癫痫发作的产生，传播和终止的复杂动力学。
2013-09-21 cs.SI physics.comp-ph physics.data-an
Revising the simple measures of assortativity in complex networks
我们发现，传统的统计测量度混合的超富节点的强烈影响。为了抵消和测量超富节点的影响，我们提出了一个范例来量化一个真实网络的混合模式，其中不同的混合模式可能会出现在低度节点和高度节点之间。新的范式和简单的修正测度揭示了具有超富节点的复杂网络的真实复杂度混合模式。新的方法表明，一些网络显示出由超富节点引起的虚假的dispertative混合，并且没有真正dispertative的趋势。我们的研究结果还表明，以前观察到的无标度网络的脆弱性实际上是大大加剧了即使是非常少量的超富节点的存在。
2009-10-18 physics.soc-ph
The perceived assortativity of social networks: Methodological problems and solutions
网络描述了一系列社会、生物和技术现象。网络的一个重要属性是它的度相关性或重复性，描述网络中的节点如何根据它们的连接数量进行关联。社交网络通常被认为与其他网络不同的是，它是独立的（具有正的度相关性）;连接良好的个体与其他连接良好的个体相关联，而连接不良的个体则相互关联。我们回顾了文献中的证据，发现虽然社交网络比非社交网络更具吸引力，但只有当它们是使用基于群体的方法构建的时，它们才倾向于积极吸引力。非社交网络往往是分散的。我们继续表明，由于一个群体的共同成员资格，一种常用的方法，连接个人，对非自愿性的偏见，除非采取了足够多的网络普查。我们提出了一些解决方案，以克服这种偏见，利用社会学和生物学领域的进步。在所有领域采用这些方法可以大大提高我们对社交网络和一般网络的理解。
2017-01-30 cs.SI physics.soc-ph q-bio.QM
Assortative Mixing Equilibria in Social Network Games
众所周知，社交网络中的个体倾向于表现出同质性（也称为同质性）。在他们的社会关系中，这意味着他们更喜欢与自己的同类建立联系。但造成这种现象的原因是什么呢？是不是这样的关系比较方便，比较容易维持？或者说，从这种集体行为中是否也能获得一些更切实的好处？目前的工作需要一个博弈论的角度来看这一现象，并研究在何种条件下，不同的竞争性混合策略导致在不断发展的社会网络的平衡。我们专注于一个有偏见的偏好依恋模型，其中每个群体的策略（例如，政治或社会少数群体）决定了其成员对其他群体成员和非成员的偏见程度。我们的第一个结果是，如果群体试图最大化的效用函数是群体的度中心性，解释为网络中群体成员的度之和，那么实现纳什均衡的唯一策略是完美同质性，这意味着与其他群体的合作对这个效用函数是有害的。第二个，也许更令人惊讶的结果是，如果将组间合作的奖励添加到效用函数中（例如，外部由权威作为法规强制执行），那么只有两种可能的均衡，即完全同质或完全异质，并且可以描述其可行性空间。有趣的是，无论人口中的少数-多数比例如何，这些结果都成立。我们相信，这些结果，以及本文提出的博弈论的角度来看，可能有助于更好地理解的力量，塑造我们的社会群体和社区。
2017-03-26 cs.GT cs.SI physics.soc-ph
Correlations in complex networks under attack
对于任何初始相关网络，在任何类型的攻击后，其中节点或边缘被删除，我们得到度-度概率矩阵和度分布的一般表达式。我们表明，所提出的分析方法预测正确的拓扑结构的变化后，通过比较不同的攻击策略和强度的理论和模拟的反导系数的演变。我们发现，它是可能的，把一个初始的互补网络到一个互补的，反之亦然，通过微调删除的节点或边缘。另一方面，对于初始不相关的网络，我们发现只有有针对性的边缘去除攻击才能引起这种相关性。
2013-02-15 physics.soc-ph
Model of complex networks based on citation dynamics
现实世界系统的复杂网络被认为是由常见现象控制的，产生的结构远非规则或随机。这些包括无标度度分布，小世界结构和度混合，这些也是文献中提出的不同随机图模型所捕获的属性。然而，许多（非社会）现实世界的网络实际上是离散的程度。因此，我们在这里提出了一个简单的演化模型，生成具有真实世界网络最常见属性的网络，包括度离散性。此外，该模型对具有不同实际应用的引文网络具有自然的解释力。
2013-03-23 cs.SI physics.soc-ph
Network Reliability: The effect of local network structure on diffusive processes
本文重新引入了Moore和Shannon在1956年提出的网络可靠性多项式，用于研究网络结构对疾病传播的影响。我们展示了一个表示的多项式，是非常适合估计分布式仿真。我们描述了一组来自Erdens-Rényi和无标度随机图的图，在这些图中，我们操纵了度和三角形的数量。我们评估网络的可靠性，所有这些图的可靠性规则，是相关的预期大小的连接组件。通过这些广泛的模拟，我们表明，积极或中立的图，交换边，以增加三角形的数量并没有增加网络的可靠性。而且，正向图比具有相同边数的中性图或离散图更可靠。此外，我们显示的综合效果的度和存在的三角形的临界点和最小的子图的大小是可靠的。
2013-08-21 cs.SI physics.comp-ph physics.soc-ph
Degree mixing in multilayer networks impedes the evolution of cooperation
传统上，合作的演化一直是在单个孤立的网络上研究的。然而，一个参与者，特别是在人类社会中，通常是许多不同网络的成员，这些网络在进化过程中将扮演不同的角色。因此，多层网络作为对网络化社会的更恰当描述而迅速流行起来。基于这种动机，我们在这里考虑具有所有可能的度混合组合的2层无标度网络，其中一个网络层用于累积收益，另一个用于策略更新。我们发现，打破对称性，通过在一个层和/或dispertative混合在另一层，以及保持对称性的手段，在两个层的dispertative混合，阻碍了合作的演变。我们使用度依赖分布的策略和集群大小分析来解释这些结果，突出了枢纽和多层网络之间的对称性的成功解决社会困境的重要性。
2014-06-06 cs.SI physics.soc-ph q-bio.PE
The entropic origin of disassortativity in complex networks
为什么大多数经验网络，除了社会网络之外，一般都是度-度相关的，也就是说，是区分的？为了回答这个长期存在的问题，我们定义了一个一般类的度度相关网络，并获得相关的香农熵作为参数的函数。事实证明，最大熵通常不对应于不相关的网络，而是对应于非相关的（相关的）或非相关的（相关的）网络。更具体地说，对于高度异质（无标度）的网络，最大熵原理通常会导致离散性，从而为上述问题提供了一个简洁的解释。此外，通过比较在一些现实世界的网络中测量的相关性与那些产生最大熵的相同程度的序列，我们发现在各种情况下显着的协议。我们的方法提供了一个中立的模型，在没有进一步的知识，网络的演变，可以获得相关性的预期值。在经验观察偏离中性预测的情况下--就像在社交网络中发生的那样--人们可以推断出有特定的相关机制在起作用。
2010-02-17 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Assortativity in networks
本文研究网络度-度相关性的同配系数 $r$，修正其取值范围，分析基于边的迭代操作对同配性的影响，并构造增长的同配与中性网络及不同阶中性非树图。
2024-05-23 physics.soc-ph
Network rewiring in the $r$-$K$ plane
我们通过一个新的重新布线算法，它允许调整的纽曼折射率系数$r$和最近的邻居$K$（在范围$-1\le r \le 1$，$K\ge \langle k \rangle$）的平均程度生成相关的无标度网络的配置模型。在每个尝试的重新布线步骤中，都会计算局部变化$Δr$和$ΔK$，然后根据标准Metropolis概率$ \exp(\pmΔr/T)$接受该步骤，其中$T$是可变温度。我们证明了$Δr$和$ΔK$之间的一般关系，从而找到了两个变量之间的连接有非常不同的定义和拓扑意义。我们描述重新布线轨迹的$r$ - $K$平面和探索的限制，最大的不对称和dispertative网络，包括小的最小程度（$k_{min} \ge 1$），以前没有被考虑的情况下。在重布线过程中，监控了巨分支的大小和网络的熵。证明了分支近似$\bar{z}_{2,B}$中的第二邻居的平均数在重新布线时是常数，并且与马尔可夫网络的相关性无关。然而，作为度的函数，第二邻居的数量给出了关于网络连通性的有用信息，并且也被监视。
2020-04-16 nlin.AO 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
Characteristic times of biased random walks on complex networks
我们考虑度偏置随机游走器，其从节点移动到其度$k$的邻居之一的概率与$k^α$成比例，其中$α$是一个调谐参数。我们研究了三种类型的特征时间，即：i）步行者需要回到起始节点的时间，ii）第一次访问给定节点所需的时间，iii）访问网络所有节点所需的时间。我们考虑了一个大的数据集的真实世界的网络，我们表明，$α$的值最小化的三个特征时间是不同的值$α_{\rm min}=-1$分析发现不相关的网络在平均场近似。除此之外，我们还发现，竞争性网络的$α_{\rm min}$值优先在$[-1,-0.5]$范围内，而竞争性网络的$α_{\rm min}$值优先在$[-0.5, 0]$范围内。我们推导了度相关指数$ν$和最优偏差值$α_{\rm min}$之间的解析关系，该关系适用于真实世界的预测网络。当只有局部信息可用时，通过适当调整运动偏差，度偏差随机游走可以保证比经典无偏随机游走更小的特征时间。
2013-11-19 cs.SI physics.soc-ph
Statistical inference of assortative community structures
我们开发了一个原则性的方法来推断网络中的非参数贝叶斯公式的种植分区模型的基础上的共同体。我们表明，这种方法成功地找到统计上显着的网络中的替代模块，不同的替代方案，如模块化最大化，系统过拟合在人工以及经验的例子。此外，我们表明，我们的方法是不受分辨率限制，并可以发现任意数量的社区，只要有统计证据。我们的配方是服从模型选择程序，这使我们能够比较它更一般的方法的基础上的随机块模型，并以这种方式揭示了非线性是否实际上是占主导地位的大规模混合模式。我们进行这种比较与几个经验的网络，并确定了许多情况下，网络的非线性被夸大了传统的社区检测方法，我们展示了如何更忠实的非线性程度可以确定。
2020-06-29 cond-mat.dis-nn cs.SI physics.soc-ph
Strong localization blurs criticality of time series for spreading phenomena on networks
本研究分析了网络传播动力学临界时间序列，发现可见性图方法能识别集体和密集hub驱动的临界性，但强空间局域化会模糊或导致临界性假阴性。
2025-03-31 physics.bio-ph physics.soc-ph
Mixing patterns in graphs with higher-order structure
在本文中，我们研究了具有非平凡聚类和基于子图的非平凡混合（基于子图联合度的顶点连接到其他顶点的趋势）的高阶网络的渗流性质。我们的分析方法是基于生成函数。我们还提出了一个蒙特卡罗图生成算法，以绘制随机网络的合奏图与固定的统计。我们使用我们的模型来理解网络微观结构的影响，通过安排集群，对全局属性。最后，我们使用一个边不相交的团覆盖来表示经验网络使用我们的配方，发现由此产生的模型提供了一个显着的改进，基于边的理论。
2022-10-05 physics.soc-ph
Cycles and Clustering in Multiplex Networks
在多路复用网络中，环不能仅以其长度来表征，因为边可以以不同的组合出现在不同的层中。我们定义了一个分类的周期，在每一层中的边缘的数量和层之间的开关数量。我们计算了一个大型稀疏复用网络的配置模型中的每种类型的期望圈数。我们的方法考虑了完整的度分布，包括不同层中度之间的相关性。特别地，我们得到了所有可能类型的长度为3的圈的个数。利用这些，我们给出了一个完整的聚类系数和它们的期望值。我们发现，在不同的层中的顶点的度之间的相关性强烈影响的循环的数量的一个给定的类型，和层之间的开关的数量。两者都随显着相关性而增加，并因显着相关性而强烈下降。相关性对聚类系数的影响同样显著。
2016-12-05 cond-mat.dis-nn physics.soc-ph
Fractality and degree correlations in scale-free networks
分形无标度网络在经验上已知表现出离散度混合。然而，最近邻节点之间的负度相关是否使无标度网络分形并不明显。在这里，我们研究的可能性，在复杂网络的dispertativity是分形的起源。为此，最大离散（MD）网络的准备，通过重新布线的边缘，同时保持的度序列的初始不相关的无标度网络，保证成为分形通过重新布线的边缘。我们的结果表明，大多数不同拓扑结构的MD网络都不是分形的，这说明分形性并不是导致网络分形性的原因。此外，我们认为，分形的无标度网络需要一个长程排斥相关类似的程度。
2017-01-13 cs.SI physics.soc-ph
Reactive random walkers on complex networks
本文介绍并研究了一个随机游走者在复杂网络节点处相互作用的集合种群模型。该模型集成了随机搬迁移动的链接的网络与本地的相互作用取决于节点的占用概率。该模型是高度通用的，因为步行者的运动可以根据节点的拓扑性质（例如它们的度）来馈送，而节点的占用概率的任何一般非线性函数可以被认为是局部反应项。除此之外，反应和重新定位的相对强度可以根据所研究的具体应用随意调整。在最一般的情况下，我们推导出平衡时步行者的占用概率的解析表达式。我们表明，它取决于不同的阶导数的本地反应函数，不仅对一个节点的程度，但也对它的邻居在不同的距离的平均程度。因此，反应随机游走器对网络的结构非常敏感，并且是检测网络属性（如对称性或度-度相关性）的强大方法。作为可能的应用，我们首先讨论如何反应随机游走的占用概率可以用来定义新的措施的功能中心的网络节点。然后，我们说明了网络组件具有相同的对称性，可以通过跟踪反应性步行者的演变。最后，我们表明，我们的模型的动力学的影响度度相关性的存在，使竞争性和dispertative网络可以分类的定量指标的基础上反应性步行者。
2018-07-18 nlin.AO physics.soc-ph
An ensemble of random graphs with identical degree distribution
度分布，或称度序列，是研究复杂网络的重要测度之一，并已得到了一些著名的结果。与此相反，本文中，我们报告了一个事实，即两个任意选择的网络具有相同的度分布可以有完全不同的其他拓扑结构，如直径，生成树数，皮尔逊相关系数等。除此之外，对于给定的度分布（如这里讨论的指数为$γ=3$的幂律分布），我们可以合理地问有多少网络模型具有这样的约束。为此，我们用$P(k)\sim k^{-γ}$（$γ=3$）生成此类随机图的系综，表示为图空间$\mathcal{N}(p,q,t)$，其中概率参数$p$和$q$在$p+q=1$上保持不变，并间接表明$\mathcal{N}(p,q,t)$的基数似乎在热力学极限内足够大，即，通过改变$p$和$q$的值，可获得$N\rightarrow\infty$。从理论上讲，给定一个超小常数$p_{c}$，也许只有图模型$N(1,0,t)$是小世界的，其他的都不是直径的。然后，我们研究了两个确定图模型的生成树数，得到了其他成员的生成树数的上界和下界。同时，对于任意的$p(\neq1)$，我们证明了图模型$N(p,q,t)$随时间确实经历了两个相变，即，由非突变型开始，突然进入突变区，然后逐渐收敛到初始位置（非突变点）。其中，建立了一个“空”图模型。
2019-04-25 cs.SI physics.soc-ph
Geometric evolution of complex networks
我们提出了一个一般类的几何网络增长机制，通过均匀连接，在一个给定的时间$t$创建的链接均匀分布在一个新的节点和均匀选择的连接节点之间。这是通过在均匀分布在均匀度规空间中的节点之间根据具有逆温度$β$和一般含时化学势$μ(t)$的费米-狄拉克连接概率创建链接来实现的。化学势限制了新创建的链接的空间范围。使用隐变量框架，我们得到的度序列的解析表达式，并表明，$μ(t)$可以固定，以产生任何给定的度分布，包括无标度分布。此外，我们发现，根据节点在网络中出现的顺序-它的$\textit{history}$ -度-度相关性可以被调整为独立的或独立的。通过平均聚集系数$\langle c \rangle$考察了几何结构对结构的影响。在热力学极限，我们确定了一个随机制度之间的相变，其中$\langle c \rangle \rightarrow 0$当$β< β_\mathrm{c}$和几何制度，其中$\langle c \rangle > 0$当$β> β_\mathrm{c}$。
2017-10-04 physics.soc-ph
Semantic homophily in online communication: evidence from Twitter
Aalto University（阿尔托大学）；University Ss. Cyril and Methodius（圣西里尔与美多德大学）；University of Tampere（坦佩雷大学）；Hong Kong University of Science and Technology（香港科技大学）；New York University（纽约大学）
本研究基于Twitter提及关系构建的交流网络，首次深入分析语义同质性现象，量化其不同层级、识别驱动维度、揭示时间演化规律并厘清其与网络结构的复杂相互作用，深化了对计算机介导交流语义塑造机制的理解。
2017-03-20 cs.CL cs.CY cs.HC
The configuration model for Barabasi-Albert networks
我们开发并测试了一种重新布线的方法（最初由Newman提出），该方法允许构建具有预先分配的度分布和两点相关性的随机网络。对于无标度度分布的情形，我们根据Dorogovtsev和Mendes的一般规定离散分布的尾部。这种方法的Barabasi-Albert（BA）网络的应用是可能的，这要归功于最近的分析结果，它们的相关性，并允许比较合奏的随机网络中产生的配置模型与“真正的”网络从优先附件。对于$β\ge 2$（$β$是优先连接方案中的父节点的数量），用配置模型获得的网络是完全连接的（巨分量等于100%）。在这两种生成方案中，从函数$k_{nn}$的计算中证明了小度节点的清晰的离散性。我们还开发了一个有效的重新布线方法，产生可调的变化的折射率系数$r$，我们用它来获得最大dispertative网络具有相同的程度分布的BA网络与给定的$β$。该方法的可能应用涉及到互操作性社交网络。
2019-05-17 cs.SI physics.soc-ph
Spreading dynamics on small-world networks with connectivity fluctuations and correlations
传染病和计算机恶意软件通过人与计算机之间的接触网络在人与计算机之间传播。这些网络具有连通性涨落、连通性相关和小世界特性。在以前的工作[A。Vazquez，Phys. Rev. Lett. 96，038702（2006）]我已经证明了连通性波动与小世界性质一起导致了一种新的传播规律，其特征在于初始幂律增长，其指数由网络上的平均节点距离确定。在这里，我将这些结果扩展到考虑在真实网络中通常观察到的连接相关性的影响。我表明，constitutive和disconstitutive连接的相关性增强和减少，分别，这种传播规律的有效性范围。作为一个推论，我得到的区域的连接波动和程度的相关性，其特征在于没有一个流行病的阈值。这些结果与传染病、谣言和信息在人类中的传播以及计算机病毒、电子邮件蠕虫和恶作剧在计算机用户中的传播有关。
2006-09-28 cond-mat.dis-nn physics.soc-ph q-bio.PE
Ordered community structure in networks
网络中的社区结构通常是基于顶点的某些属性的同质性或竞争性混合的结果。例如，研究人员可以被分组到与他们的研究主题相对应的社区中。如果顶点属性具有离散值，则这是可能的，但是许多网络通过一些连续值属性（例如年龄或地理位置）表现出连续混合。在这种情况下，无法确定离散的社区。我们考虑如何将社区结构的概念推广到基于连续值属性的网络：一般来说，网络可能包含根据其属性值排序的离散社区。我们提出了一种生成有序网络的方法，并研究了有序社区结构对传染病传播的影响。我们还表明，社区检测算法无法恢复有序网络中的社区结构，并评估一种替代方法，使用布局算法来恢复排序。
2012-02-13 cs.SI physics.soc-ph
Mixing patterns and individual differences in networks
我们研究网络中的混合模式，这意味着不同类型的节点相互连接的倾向。节点偏好连接与自己相似的其他节点的现象已经得到了广泛的研究，但在这里，我们进一步研究了相似的节点如何以及在多大程度上具有不同的偏好。例如，友谊网络中的许多人可能更喜欢与自己年龄大致相同的朋友，但有些人可能会表现出对年长或年轻朋友的偏好。我们介绍了一个网络模型，捕捉这种行为和方法，将其拟合到经验网络数据。我们提出的指标来表征的平均值和变化的混合模式，并显示如何推断其值从拟合模型，无论是使用最大似然估计的模型参数或在贝叶斯框架，不需要固定任何参数。
2019-04-17 cs.SI physics.soc-ph
Impact of degree heterogeneity on the behavior of trapping in Koch networks
研究表明，在不相关随机无标度网络中，随机游动到给定中心节点（度最大的节点）的平均首达时间（MFPT）与幂律度分布$P(k)\sim k^{-γ}$的指数$γ$密切相关，该指数描述了无标度网络结构的异质性程度.然而，大量的实证研究表明，真实的网络系统也显示出普遍存在的程度相关性。在本文中，我们解决了Koch网络的陷阱问题，这是一个特殊的随机游动与一个陷阱固定在一个枢纽节点。Koch网络是幂律网络，其特征指数$γ$在2 ~ 3之间，它们既可以是对称的，也可以是对称的。我们精确地计算MFPT，即从所有其他节点到陷阱的首次通过时间的平均值。得到的显式解表明，在大网络中，MFPT与节点数$N$成线性关系，它与$γ$无关，与无标度网络中观察到的MFPT标度行为形成鲜明对比，在无标度网络中，$γ$定性地影响捕获问题的MFPT.
2010-09-03 cond-mat.stat-mech cs.SI physics.soc-ph
The Bass diffusion model on finite Barabasi-Albert networks
利用Bass创新扩散模型的平均场网络公式和Fotouhi和Rabbat关于Barabasi-Albert网络度相关性的精确结果，计算了扩散峰的出现时间，并与具有相同无标度指数但具有不同扩散性的无标度网络进行了比较.我们比较我们的结果与Caldarelli等人。SIS传染病模型的谱方法应用于邻接矩阵。事实证明，有限Barabasi-Albert网络上的扩散时间是最小的。这可能是由于这些网络的一个鲜为人知的性质：虽然折射率系数的值接近于零，但如果只考虑有限的度数范围，包括最小的度数，它们看起来是不对称的，并且在更高的度数范围内略有不对称。我们还发现，如果扩散过程的涓滴特征通过对枢纽的较大初始刺激（通过Bass模型中的非齐次线性项）来增强，则BA网络和不相关网络的扩散时间之间的相对差异甚至更大，例如在具有$10^4$节点的网络上的典型情况下达到34%。
2018-06-18 cs.SI physics.soc-ph
The Bass diffusion model on networks with correlations and inhomogeneous advertising
Bass模型是一种基于大量经验数据的创新扩散有效预测工具，它假设了一个均匀的扩散过程。我们在该模型中引入网络结构，并以数值方式研究具有链接密度$P(k)=c/k^γ$的网络的动态特性，其中$k=1, \ldots , N$。所得到的总采用时间曲线在定性上类似于对应于具有相同平均连接数的情况的齐次Bass曲线。然而，采用的峰值倾向于较早出现，特别是当$γ$和$N$较大时（即，当具有大的最大连接数的集线器很少时）。最有趣的是，枢纽的采用曲线以可预测的方式预测总采用曲线，峰值时间可以是，例如当$N=100$时，总采用峰值的10%到60%之间。这可以允许出于预测目的监测枢纽。我们还考虑了网络的情况下，与竞争性和dispertative相关性和非同质广告的情况下，宣传条款是“有针对性的”的枢纽，同时保持其总成本不变。
2016-05-19 cs.SI physics.soc-ph
Attention Dynamics in Collaborative Knowledge Creation
为了揭示知识的协同生产的机制，我们调查了一个非常大的在线问答系统，其中包括超过五年的数百万用户的提问和回答活动。我们创建了知识网络，其中节点是问题，边是用户的连续回答活动。我们发现，这些网络有两个共同的性质：1）减轻节点之间的度不平等; 2）节点的混合。这意味着，虽然系统倾向于减少对旧问题的注意力投入，以便对新问题给予足够的关注，但将新知识整合到现有知识体系中并不容易。我们提出了一个混合模型，结合偏好连接和反向偏好连接过程来模拟知识网络的演化，并成功地再现了所观察到的模式。我们的混合模型不仅在理论上很有趣，而且还为在线社区的管理提供了见解。
2015-11-24 cs.SI physics.soc-ph
Structural evolution of international crop trade networks
本文构建1993—2018年玉米、水稻、大豆和小麦四类国际作物贸易网络，揭示其规模扩大、趋密趋同及作物特异的同类匹配结构，为粮食政策和全球粮食系统脆弱性分析提供依据。
2024-08-06 physics.soc-ph
How to become a superhero
我们分析了基于漫威宇宙漫画书的协作网络。首先，我们将系统视为二进制网络，其中如果两个字符出现在同一出版物中，则它们是连接的。度相关性分析表明，与大多数真实的社交网络相比，漫威宇宙在度上呈现出离散混合。然后，我们使用一个权重度量来研究系统作为一个加权网络。这使我们能够找到并描述定义良好的社区。通过对社区结构和聚类度的分析，我们发现网络呈现出层次结构。最后，我们评论可能的机制负责观察到的特定图案。
2007-08-17 physics.data-an physics.soc-ph
The large-scale structure of journal citation networks
我们分析的大规模结构的期刊引文网络所包含的信息建立在汤森路透期刊引文报告。为此，我们利用网络科学的工具，探索网络属性，如密度，渗透鲁棒性，平均和最大节点距离，互惠性，传入和传出度分布，以及节点度的混合。我们发现，期刊引文网络是一个密集的、健壮的、小型的、互惠的世界。此外，在节点度分布和出节点度分布显示长尾，少数重要的期刊和许多琐碎的，他们是强正相关。
2011-10-18 cs.DL cs.SI physics.soc-ph
