Multiscale mixing patterns in networks
网络中的分类混合是具有相同属性或元数据的节点相互链接的趋势。这是一种经常在社交网络中发现的属性，表现为具有相同年龄、种族或政治信仰的人之间更高的链接倾向。量化链接性或分离性（链接到具有不同属性的节点的偏好）的水平可以揭示复杂网络中链接和传染过程形成的因素。在离散值元数据的情况下，通常的做法是根据可扩展性系数或模块性来测量可扩展性水平。这个全局值是整个网络的平均重复率水平，当混合模式是异构的时，它可能不是一个代表性的统计数据。例如，由于文化规范的差异，一个跨越全球的社交网络可能会在混合模式上表现出地方差异。在这里，我们介绍了一种方法来本地化这个全球性的措施，使我们可以描述跨多个尺度，在节点级别的可追溯性。因此，我们能够捕捉和定性评估网络中的混合模式的分布。我们发现，对于许多现实世界中的网络的不确定性的分布是偏斜的，过度分散和多模态的。我们的方法提供了一个更清晰的镜头，通过它我们可以更仔细地检查网络中的混合模式。
2018-04-18 cs.SI physics.data-an physics.soc-ph
Δ-Conformity: Multi-scale Node Assortativity in Feature-rich Stream Graphs
异质性是复杂网络的一个关键方面，通常通过查看节点属性的分布而出现，从度的里程碑观测到混合模式估计的最新发展。混合模式特别是指节点对属性标签的连接偏好。社交网络的主要特征是相互依赖/同性恋行为，其中节点更有可能与相似的节点连接。最近，越来越多地测量在多尺度的方式，以克服经典分数的众所周知的局限性的交替混合。这种多尺度策略可以捕获节点同质性之间的异构行为，但它们忽略了现实世界系统中一个重要的，通常可用的附录：边存在的时间以及它们相应地形成的时变路径。因此，在复杂网络中，时间同质性仍然知之甚少。在这项工作中，我们的目标是通过引入Δ-一致性测度来弥补这一差距，Δ-一致性测度是一种多尺度的、路径感知的、节点同质性估计器，它在功能丰富的流图的新框架内。一个丰富的实验部分分析了Δ-一致性随时间的变化趋势，从现实生活中的社交网络到比特币交易网络的具体案例研究。
2021-11-30 cs.SI
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
Conformity: A Path-Aware Homophily Measure for Node-Attributed Networks
揭示表征复杂网络的连接模式的同亲/异亲行为是社会网络分析的一项重要任务，通常研究节点属性的混合。最近的工作强调，一个全球性的措施，以量化节点同质性必然提供了一个局部的，往往是欺骗性的，现实的画面。从这些文献中，在这项工作中，我们提出了一种新的措施，即一致性，旨在克服这种限制，提供一个以节点为中心的量化的混合模式。从迄今为止提出的措施来看，一致性被设计为路径感知，从而允许更详细地评估不同分离程度的节点对目标的同质嵌入的影响。对合成数据和真实数据的实验分析使我们能够观察到一致性可以从节点属性图中揭示有价值的见解。
2020-12-09 cs.SI
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
Community structure of complex software systems: Analysis and applications
由于在快速发展的复杂网络领域的显着发现，最近的研究在软件工程也集中在表示软件系统与网络。以前的工作已经观察到，这些网络遵循无标度分布，并揭示了小世界现象，而我们在这里探索另一种常见于不同复杂网络的性质，即社区结构。我们采用类依赖网络，其中节点代表软件类和边缘代表它们之间的依赖关系，并表明这些网络揭示了一个显着的社区结构，其特征在于在其他复杂网络中观察到的类似属性。然而，尽管不同的现象是直观的和预期的，但识别的社区并不完全对应于软件包。我们实证证实了我们的观察，从Java和各种第三方库构建的几个网络，并提出不同的应用程序社区发现软件工程。
2011-05-21 cs.SE cs.SI physics.data-an
Sampling Multiple Nodes in Large Networks: Beyond Random Walks
随机节点采样是分析大规模网络的基本算法，许多现代图挖掘算法都依赖于它。我们考虑在网络中生成大量随机节点的任务，假设有限的查询访问（查询节点会显示其邻居集）。在目前的方法中，基于长随机游走，每个样本的查询数量与网络的混合时间呈线性关系，这对于大型现实世界的网络来说可能是禁止的。我们提出了一种新的方法来采样多个节点，通过显式搜索网络中较难访问的组件，绕过了混合时间的依赖性。我们测试我们的方法在各种现实世界和合成网络上的节点高达数千万，展示了查询复杂性的改善高达$\times 20$相比，最先进的。
2021-10-25 cs.DS cs.SI
Analysis of a Play by Means of CHAPLIN, the Characters and Places Interaction Network Software
Politecnico di Torino（都灵理工大学）
最近，我们开发了一种软件，能够从书面文本中收集社交网络上的信息。该软件是用Visual Basic实现的字符与空间交互网络工具（CHAPLIN）。利用该方法，可以从一组原始词中抽取出一部文学作品的人物和地点。软件界面帮助用户从该列表中选择他们的名字。通过设置一些参数，CHAPLIN创建了一个网络，其中节点代表人物/地点，边给出它们的交互作用。节点和边被标记为性能。在这篇论文中，我们打算用卓别林来分析威廉·莎士比亚的一部戏剧，著名的《丹麦王子哈姆雷特的悲剧》。剧中人物的表演作为一个整体和在每一幕中，它是由图表。
2015-11-22 cs.CL cs.CY cs.SI
Directed Hybrid Random Networks Mixing Preferential Attachment with Uniform Attachment Mechanisms
基于网络数据的复杂性，我们提出了一种混合优先连接（PA）规则和统一连接（UA）规则的有向混合随机网络。当创建新边时，概率为$p\in [0,1]$，它遵循PA规则。否则，将在两个统一选择的节点之间添加此新边。与纯PA情况相比，这种混合使得固定节点的入度和出度以较慢的速率增长，从而导致较轻的分布尾部。有用的推理方法，建议的混合模型，然后提供和应用到合成和真实的数据集。我们看到，通过参数$p$提供的额外灵活性，混合随机网络提供了更好的适应现实世界的场景，其中观察到来自入度和出度的较轻尾部。
2021-01-15 cs.SI math.PR stat.OT
Node seniority ranking
图论的最新进展表明，仅使用图拓扑来识别网络中最老的节点是可能的。在这里，我们报告的应用程序异构现实世界的网络。为此，为了获得新的见解，我们提出了埃斯特拉达沟通性的理论框架。我们将其应用到两个技术网络（一个地下网络，一个局域网中的软件蠕虫的扩散）和第三个网络代表霍乱爆发。尽管在其图的邻接矩阵中引入了错误，但最老节点的识别是可行的，在很小的误差范围内，并且非常简单。应用包括搜索最初的疾病传播者（零号病人问题）、社交网络中的谣言、计算机网络中的恶意软件、停电中的触发事件、最古老的城市站点识别。
2014-02-25 cs.SI physics.soc-ph
A Spatial-Temporal Graph Neural Network Framework for Automated Software Bug Triaging
错误分类过程是将错误报告分配给最合适的开发人员的重要过程，它与软件开发的质量和成本密切相关。由于人工错误分配是一项劳动密集型任务，特别是对于大型软件项目，许多基于机器学习的方法已经被提出来自动分类错误报告。尽管开发人员协作网络（DCN）在现实世界中是动态的和不断发展的，但大多数自动化错误分类方法都集中在单个时间片的静态抛出图上。此外，以前的研究都没有考虑开发人员之间的定期互动。针对上述问题，本文提出了一种时空动态图神经网络（ST-DGNN）框架，包括联合随机游走（JRWalk）机制和图递归卷积神经网络（GRCNN）模型。特别是，JRWalk的目标是通过考虑节点重要性和边重要性，使用两种采样策略对图中的局部拓扑结构进行采样。GRCNN有三个结构相同的组件，即，小时周期、日周期和周周期分量，以学习动态DCN的时空特征。我们评估了我们的方法的有效性，通过比较它与几个国家的最先进的图表示学习方法在两个特定领域的任务，属于节点分类。在这两项任务中，对从Eclipse和Mozilla项目中收集的两个真实世界、大规模开发人员协作网络进行的实验表明，所提出的方法优于所有基线方法。
2021-01-28 cs.SE cs.SI
Package equivalence in complex software network
公共软件包注册中心npm是最大的软件注册中心之一。它拥有216 911个软件包，形成了一个庞大的软件依赖网络。在本文中，我们评估了在npm网络中查找类似软件包的各种方法，仅使用图的结构。也就是说，我们希望找到一种对相似包进行分类的方法，这对推荐系统很有用。这个大小使我们能够计算有意义的结果，因为它软化了图的特殊性。Npm也很有名，因为它是Node.js的默认包存储库。我们相信它会让我们的结果比一个不太使用的软件包存储库更有趣。这使得它成为软件网络分析的一个很好的主题。
2016-02-11 cs.SI stat.ML
Features and heterogeneities in growing network models
从万维网到生物网络的许多复杂网络都考虑到了节点的异质性。一个节点的特征可以是一个离散的量，例如一个URL文档的分类，如个人页面，主题网站，新闻，博客，搜索引擎，社交网络等。或功能模块中基因的分类。此外，节点的特征可以是连续变量，诸如节点在嵌入空间中的位置。为了说明这些属性，在本文中，我们提供了一个泛化的增长网络模型的优先连接，包括异构功能的节点的效果。异质性的主要影响是每类节点的“有效适应度”的出现，决定了节点获得新链接的速度。度分布表现出类似于适应度模型的多尺度行为。只要链接是通过有效的优先连接来分配的，这个属性对于模型中的变化是鲁棒的。除了度分布之外，本文还给出了模型的其他相关性质的完整刻画。我们评估的聚类系数，并表明，它消失了大的网络规模，与巴拉巴西-阿尔伯特模型共享的属性。负度相关性也存在于所研究的一类模型中，以及特征之间的非平凡混合模式。因此，我们得出结论，小的聚类系数和dispersionative混合的结果，在一般的增长网络的优先连接机制。
2012-05-02 cond-mat.dis-nn cs.SI physics.soc-ph
ALAAMEE: Open-source software for fitting autologistic actor attribute models
本文介绍开源Python软件ALAAMEE，支持ALAAM的参数估计、模拟与拟合优度检验，涵盖多种网络类型和滚雪球抽样，并通过模拟及大小网络实证验证其性能。
2024-09-23 cs.SI stat.CO stat.ME
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
Growth and Optimality in Network Evolution
在本文中，我们研究网络的演变是由一个随机组装过程和优化过程的相互作用。在第一个过程中，一次添加一个新节点，并与随机选择的旧节点形成连接。在节点添加之间，网络重新布线以最小化其路径长度。对于时间尺度，在组装和优化过程都不占主导地位的情况下，我们发现了各种各样的复杂网络，其度分布具有幂律尾。这些网络还表现出非平凡的聚类，层次结构和有趣的程度混合模式。
2011-05-13 cond-mat.dis-nn cs.SI nlin.AO
