Evolving Networks Created by Preferential Attachment and Decay
本文提出了一种扩展偏好附着增长模型的方法,使网络能够动态添加和移除边,同时保持节点度数的幂律分布。
2026-01-25 cs.SI physics.soc-ph
Kinetics of node splitting in evolving complex networks
我们介绍了一个复杂的网络的集合产生的优先连接和以前未检查的过程“分裂”节点度$k$到$k$节点度1的组合。四个网络被认为是,每一个在每个时间步的优先连接,概率$p$,或分裂概率$1-p$。两种方法的附件被认为是:第一,附件之间的一个新创建的节点和网络中的现有节点的边缘,其次通过附件之间的两个现有节点的边缘。分裂也被认为是在两个单独的方式;首先通过选择每个节点具有相等的概率,其次,选择节点的概率成正比的程度。精确的解决方案的度分布被发现和无标度结构表现在这些网络中的候选人的分裂被选择以均匀的概率,那些被优先选择的分布与幂律指数截止。
2013-09-24 cond-mat.stat-mech cs.SI physics.soc-ph
Equation-free analysis of a dynamically evolving multigraph
为了说明传统连续统数值方法对复杂网络系统研究的适应性,我们使用无方程框架分析了一个动态演化的多重图。这种方法是基于耦合的直接动态网络模拟与适当定义的提升和限制运营商的短时间间隔,映射到合适的宏观(粗粒度)变量和回来的详细网络描述。这使得通过粗投影积分(CPI)的直接模拟加速,以及通过牛顿-GMRES方法识别粗稳态。我们还演示了使用数据挖掘,线性(主成分分析,PCA)和非线性(扩散图,DMAPS),以确定良好的宏观变量(可观的),通过它可以粗粒模型。这些结果表明,减少模拟时间的动态现实世界的系统,如流行病学网络模型的方法。此外,数据挖掘技术可以应用于各种各样的问题,以寻找一个简洁的,低维的描述系统在少量的变量。
2016-07-11 physics.data-an physics.soc-ph
Local rewiring rules for evolving complex networks
对于每个节点具有相同的固定出度的有向网络,考虑了链路重布线的影响。我们模拟了一个由三种机制产生的网络,这些机制存在于各种网络系统中:增长,全球重新布线和本地重新布线。在重新布线阶段,随机选择一个节点,将其一条向外的边从其目的地分离,然后以两种可能的方式之一重新连接到网络;全局连接到随机选择的节点,或局部连接到原始选择节点的后代的后代。虽然连接到节点的概率随着其连通性的增加而增加,但分离的概率也会增加,结果是指数度分布,其中少数外围节点具有极大的度。我们通过识别一组节点可以增长到非常高的程度的情况来解释这些离群值。
2014-08-15 cond-mat.stat-mech cs.SI physics.soc-ph
Homophily and Triadic Closure in Evolving Social Networks
我们提出了一个新的网络模型会计多维的可追溯性。每个节点的特点是由一些功能和两个节点之间的链接的概率取决于共同的功能。我们并不先验地确定可能特征的总数。节点和特征的二分网络根据随机动力学演化,该随机动力学依赖于三个参数,这三个参数分别调节特征向节点的传输中的优先附着、每个节点的新特征的数量以及观察到的特征的总数的幂律行为。我们的模型还考虑了三元封闭机制。我们提供的理论结果和模型的参数的统计估计。我们验证我们的方法通过模拟和实证分析的网络科学合作。
2016-01-16 cs.SI physics.soc-ph
On the Shoulders of Giants: Incremental Influence Maximization in Evolving Social Networks
识别最有影响力的个人可以为开发和部署有效的病毒式营销策略提供宝贵的帮助。以前的研究主要集中在设计有效的算法或算法来找到给定的静态社会网络上的前K个有影响力的节点。然而,事实上,现实世界的社交网络随着时间的推移而不断发展,并且对改变的网络的重新计算不可避免地导致长的运行时间,从而显著影响效率。本文从真实世界的痕迹中观察到,社会网络的演化遵循优先依附规则,影响力节点主要是从高度节点中选择出来的。这样的观察揭示了IncInf的设计,IncInf是一种增量方法,可以根据以前的信息而不是从头开始计算,在不断发展的社交网络中有效地定位前K个有影响力的个人。特别是,IncInf通过将拓扑演化的影响局限于局部区域来定量分析节点的影响扩散变化,并进一步提出了一种剪枝策略,有效地将搜索空间缩小到经历重大增长或度高的节点。我们在真实世界的动态社交网络(包括Facebook、NetHEPT和Flickr)上进行了广泛的实验。实验结果表明,与最先进的静态启发式算法相比,IncInf算法在保持影响扩散匹配性能的同时,在执行时间上实现了高达21倍的加速。
2015-08-05 cs.SI physics.soc-ph
Dynamic PageRank using Evolving Teleportation
网络中节点的重要性会随着网络结构的变化以及外部利益的变化而不断波动。我们提出了一个不断发展的PageRank方法的隐形传态适应捕捉外部利益的变化如何影响节点的重要性。这个框架无缝地概括了PageRank,因为如果外部影响停止变化,节点的重要性将收敛到PageRank值。我们证明了在维基百科图和Twitter社交网络上不断发展的隐形传态的有效性。外部兴趣由每个页面每小时的访问者数量和每个用户每月的推文数量给出。
2012-03-27 cs.IR cs.SI math.DS
Evolving network models under a dynamic growth rule
研究了动态增长规则下的网络模型,该规则包括节点的增加和删除。通过在每个时间步以概率$P_a$增加一个节点或以概率$P_d=1-P_a$删除一个节点,其中$P_a$和$P_d$由Logistic种群方程确定,研究了网络的拓扑性质.得到了真实系统中观测到的所有厚尾度分布,证明了增删机制可以导致真实系统度分布的多样性.此外,它被发现的网络表现出非平稳的度分布,从幂律变化到指数或从指数高斯一个。这些结果有望为真实世界复杂网络的形成和演化提供一些启示。
2011-08-08 cs.SI physics.soc-ph
Modeling epidemics on adaptively evolving networks: a data-mining perspective
在动态演化(“自适应”)网络上探索流行病动力学对建模者提出了重大挑战,例如确定少量详细网络状态的信息统计(即,一些“良好的可观察性”),这些信息统计有用地总结了整体(宏观的,系统级的)行为。试图用这几个统计观测值来获得精简的、小尺寸的、精确的模型--也就是说,将整个网络流行病模型粗粒度化为一个小但有用的宏观模型--就更令人生畏了。在这里,我们描述了一种基于数据的方法来解决第一个挑战:检测一些信息丰富的集体观测的详细的流行病动态。这将通过最近开发的数据挖掘技术-扩散图来完成。我们通过模拟网络上流行病的简单数学模型来说明这种方法:一个已知表现出复杂时间动态的模型。我们将讨论该方法的潜在扩展以及可能的缺点。
2015-06-25 physics.soc-ph q-bio.QM stat.AP
Epidemic spreading on evolving signed networks
大多数关于疾病传播的研究都认为潜在的社会网络是在没有传染的情况下获得的,尽管流行病会影响人们与他人接触的意愿:一个“友好”的接触可能会变成“不友好”以避免感染。研究了带符号网络上的可感染疾病传播模型,其中每条边都与一个正或负符号相关联,该符号表示其端节点之间的友好或不友好关系.根据Heider的理论,在符号网络中,边符号会进化,最终达到结构平衡的状态,对应于物理学术语中的无挫折。然而,感染的危险影响了其边缘体征的演变。为了描述符号演化和疾病传播的耦合问题,我们通过考虑节点的状态来推广结构平衡的概念。我们引入了一个能量函数,并进行蒙特卡罗模拟完整的网络来测试的能量景观,在那里我们找到本地最小值对应于所谓的堵塞状态。我们研究了初始友好连接与不友好连接的比例对疾病传播的影响。稳定状态可以是平衡状态或拥塞状态,使得系统中的易感节点和受感染节点之间出现共存。
2017-03-09 physics.soc-ph
Evolving scale-free networks and node-based random edge deletion
Department of Applied Mathematics, University of Campinas(坎皮纳斯大学应用数学系)
本文提出了一种结合偏好和均匀附着机制的网络模型,通过引入基于节点的边删除机制,研究了无标度网络的演化特性,并发现该机制可影响网络的临界状态。
2026-09-29 nlin.AO physics.soc-ph
Relay-Linking Models for Prominence and Obsolescence in Evolving Networks
在不断发展的社交网络中,节点获取链接(朋友、引用)的速率表现出复杂的时间动态。优先连接和链接复制模型虽然能够进行优雅的分析,但只能捕捉到富人越来越富的效应,而不能捕捉到衰老和衰退。最近的老化模型是复杂的和高度参数化的;大多数涉及每个节点估计1-3个参数。这些参数是固有的:他们用同一节点过去的事件来解释衰退,但没有用网络来解释链接注意力可能会去哪里。我们认为,传统的连接动力学特征是不够的,以判断模型的忠实性。我们提出了一个新的时间草图的演变图,并介绍了几个新的表征网络的时间动态。在此基础上,我们提出了一类新的节俭老龄化模型,该模型没有每节点参数,只有两个全局参数。我们的模型是基于一个令人惊讶的反转或撤销三角形完成,其中一个老节点中继引用一个年轻的追随者在其附近。尽管参数很少,但新的模型家族显示出与真实数据的更好拟合。在结束之前,我们分析了各种研究团体的时间签名,进一步了解它们的比较动态。为了促进可重复的研究,我们将很快在公共领域提供所有代码和处理过的数据集。
2017-09-06 cs.SI physics.soc-ph
Taming macroscopic jamming in transportation networks
在交通网络中,经常观察到自发的干扰过渡,例如在城市道路网络和机场网络中。由于这种不稳定性,流量分布在宏观层面上显著不平衡。为了减轻拥塞,我们考虑一个简单的控制方法,其中拥挤的节点被暂时关闭,并研究它如何影响整个系统。根据节点关闭和打开的时间以及网络的拥塞程度,系统显示三个不同的阶段:自由流阶段、受控阶段和死锁阶段。我们表明,当系统处于受控阶段,平均流量显着改善,而在死锁阶段,流量下降到零。我们研究了控制方法是如何增加网络流量的,并解析地得到了它们的转移边界。
2015-05-26 cond-mat.stat-mech physics.soc-ph
Identifying macroscopic features in foreign visitor travel pathways
人类出行模式通常被研究为网络,其中出发点和目的地被编码为节点,两点之间的出行频率被记录为加权边。然而,由于旅行者经常访问多个目的地,这构成路径,结合路径统计的分析预计将是更翔实的方法完全基于成对的频率。因此,在这项研究中,我们应用高阶网络表示框架,以确定在日本的外国游客路径的特征旅游模式。我们期望本文的结果主要是有用的旅游业的营销研究。
2020-11-09 physics.soc-ph
Ensembles related to the rich-club coefficient for non-evolving networks
在复杂网络中,富节点是度高的节点的子集。这些连接良好的节点往往主导网络结构的组织。在非进化网络中,参考网络被用来检测富节点之间的连接是偶然的还是由未知的机制引起的。机会被表示为从网络集合获得的参考网络。当与原始网络相比时,参考网络折扣表明存在一个超越结构限制的良好连接的富人俱乐部。在这里,我们修改了一些属性的合奏只保存度分布,并引入了两个新的参考网络来研究丰富的节点作为网络结构的组织者的重要性。第一个参考网络是从一个网络集合中获得的,其中集合中的所有成员都具有相同的富俱乐部系数。从系综中得到的参考网络是独立的。我们建议,这个参考网络可以用来研究网络的非对称性是一个基本属性,在许多社交网络的常见情况。第二个参考网络是从一个集合中获得的,其中该集合的成员都具有相同的概率度分布和富俱乐部系数。从该集合获得的参考网络具有与原始网络非常相似的结构。这个集合可以用来量化富节点之间的相关性,并确定哪些链路是网络结构的骨干。
2008-12-16 cond-mat.stat-mech physics.soc-ph
An evolving network model with modular growth
本文在分析实际复杂网络演化特征的基础上,提出了一种以模块为单位快速增长的演化网络模型。每个模块都是一个小世界网络,包含若干个相互连接的节点,模块之间的节点通过节点的度上的优先连接来连接。我们研究了模型的模块性测度,通过改变模块内边数和模块间边数的比值来调整模块性测度。基于平均场论,给出了度分布的解析函数,并通过数值算例进行了验证,结果表明,度分布在不同的段上具有明显的小世界网络和无标度网络的特征.对网络的聚类系数和平均路径长度进行了数值模拟,结果表明网络具有小世界特性,受新模块随机性的影响较小.
2011-10-10 cs.SI physics.soc-ph
Cluster Expansion Method for Evolving Weighted Networks Having Vector-like Nodes
将统计力学和凝聚态中已知的簇变分法应用于加权二分网络。通过有限数量的组件,从而服务于定义变量集群的哈密尔顿的分解,被召回。作为一个例子,网络建立的数据表示(4)宏观经济特征,即所谓的$vector$ $components$,15个欧盟国家之间的相关性,作为(功能)节点,进行了讨论。我们表明,统计物理原理,如最大熵准则指向集群,在这里(4)变量相空间:国内生产总值(GDP),最终消费支出(FCE),总资本形成(GCF)和净出口(NEX)。据观察,$maximum$熵对应于这样一个聚类,该聚类$not$明确包括GDP,但仅包括其他(3)“轴”,即消费、投资和贸易组成部分。另一方面,$minimal$熵聚类方案是从必然包括GDP和FCE的耦合获得的。结果证实了直观的经济理论和实践的预期,至少在地理联系。这种技术当然可以应用于社会经济网络物理学中的许多其他情况。
2008-02-28 cond-mat.stat-mech physics.soc-ph
Competitive and Weighted Evolving Simplicial Complexes
本文提出高阶网络竞争性演化模型与加权演化模型,采用差分方程和泊松过程理论推导高阶度分布等解析结果,揭示竞争因子对无标度行为的调控作用,仿真与理论一致。
2024-09-14 physics.soc-ph
The Role of Trends in Evolving Networks
十多年来,复杂网络的建模一直是许多研究的焦点。优先连接(PA)被认为是进化网络自组织的一种常见解释,表明新节点更喜欢连接到更受欢迎的节点。PA模型导致广泛的度分布,在许多网络中发现,但不能解释其他常见的属性,如:迟到的节点的增长和集群(社区结构)。在这里,我们表明,当网络的趋势,坚持趋势被纳入PA模型,它可以产生具有这样的属性的网络。也就是说,在趋势网络中,新到达的节点可能会随机成为中心,形成新的集群。特别是,我们表明,当网络年轻时,它更容易受到趋势的影响,但即使是较老的网络也可能有时髦的新节点,成为其结构的中心。或者,网络可以被看作是由两部分组成:静态的,由幂律度分布控制,动态的部分由趋势控制,正如我们在维基页面上所展示的那样。我们的研究结果还表明,趋势新节点的到来不仅会创建新的集群,而且会影响网络中所有其他节点的相对重要性和中心性。这可以解释经济学、社交和在线网络以及文化网络中的各种现实世界网络。产品的流行性是由人们的意见网络形成的,它体现了这些特性。有些产品线越来越容易受到流行趋势的影响,因此受欢迎程度的变化,而另一些产品则不那么时尚,因此更稳定。我们相信我们的发现对我们理解真实网络有很大的影响。
2013-06-04 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemics on evolving networks with varying degrees
复杂网络上的传染病是近几年来研究的一个热点问题,主要是由于最近的流行病事件。通常情况下,真实的接触网络是动态的,因此许多努力已经投入到研究不断发展的网络上的流行病。在这里,我们提出并研究了一个模型的基础上不断变化的程度,在每一个时间步的节点可能会得到,概率$r$,一个新的程度和新的邻居根据一个给定的度分布,而不是它以前的邻居。我们发现分析,使用生成函数的框架,流行病的阈值和概率的宏观传播疾病依赖于重新布线率$r$。我们的分析结果支持数值模拟。我们惊讶地发现,重新布线率的影响$r$具有不同的度分布的网络的定性不同的趋势。也就是说,在某些结构中,例如随机规则网络,动力学增强了传染病传播,而在其他结构中,例如无标度网络,动力学降低了传播。此外,对于无标度网络,我们揭示了网络的快速动力学,$r=1$,将流行阈值改变为非零,而不是$r<1$的零,这与$r=0$的已知情况类似,即,静态网络。最后,我们发现流行病的阈值也为一般分布的恢复时间。
2022-01-10 physics.soc-ph
Observability transition in multiplex networks
我们将可观测性模型推广到多路复用网络。我们提出的数学框架,有效的树下的anomaly,能够描述的宏观集群的出现,在合成和现实世界的多重网络中的相互观察的节点。我们证明了合成复用网络中的可观测性转移是不连续的。相反,在现实世界的多路复用网络中,层之间的边缘重叠是导致相互可观察节点的宏观集群出现时任何不连续性迹象消失的原因。
2017-01-15 cs.SI physics.soc-ph
Evolving networks by merging cliques
我们提出了一个模型,通过合并表示为完整的图,让人想起生物系统中的模块或社会学中的社区的构建块不断发展的网络。该模型显示幂律度分布,幂律聚类谱和高的平均聚类系数独立于网络规模。解析解表明,度指数由合并节点数与块中所有节点数之比决定,表明度指数是可调的,并且当块是经典网络(如Erdens-Rényi或正则图)时也适用。在特定条件下,我们的模型成为与Barabási-Albert模型相同的模型。
2005-11-22 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Coexistence of phases and the observability of random graphs
在最近的一封信中,Yang等人[Phys. Rev. Lett. 109,258701(2012)]引入了可观测性转变的概念:宏观可观测分量在图中的类似简化的出现,其中一部分节点及其第一邻居的状态被监视。我们展示了他们的深度-L渗透的概念--其中节点的状态到距离L的监测节点是已知的-可以映射到多类型随机图,并使用这种映射来精确地解决任意L的可观测性问题。然后,我们证明了一个非平凡的共存的一个可观察的和一个不可观察的广泛的组成部分。这种共存表明,监测图的宏观部分并不能防止宏观事件发生而不为观察者所知。我们还表明,真正的复杂系统的行为完全不同的可观测性取决于他们是否是地理约束或没有。
2014-01-21 cond-mat.stat-mech physics.soc-ph
Rising Novelties on Evolving Networks: Recent Behavior Dominant and Non-Dominant Model
新奇吸引人的注意力就像流行一样。因此,预测新颖性与流行性同样重要。新奇是进化系统中竞争和老化的副作用。网络中最近的行为或最近的链接增益在涌现或趋势中起着重要作用。我们利用这一智慧,提出了两个考虑不同场景和系统的模型。其中,在第一个中,最近的行为在总行为(总链路增益)上占主导地位,并且在第二个中,最近的行为与总行为对于未来链路增益一样重要。它假设随机步行者在网络上行走,可以跳到任何节点,跳到或连接到其他节点的概率取决于哪个节点最近更活跃或接收更多的链接。在我们的假设中,随机步行者也可以跳到已经流行但最近不流行的节点。我们能够预测上升的新奇或流行的节点,这通常是抑制下的优先连接效果。为了展示我们模型的性能,我们对四个真实数据集进行了实验,即MovieLens,Netflix,Facebook和Arxiv High Energy Physics论文引用。为了检验我们的模型,我们使用了四个信息检索指标,即精度,新颖性,接收操作特征下的面积(AUC)和肯德尔的秩相关系数。我们使用了四个基准模型来验证我们提出的模型。虽然我们的模型并不是在所有的情况下都表现得更好,但是,它对于更好地工作于最近的行为主导系统具有理论意义。
2016-11-21 cs.IR cs.SI physics.soc-ph
Predicting the evolution of complex networks via local information
几乎所有现实世界的网络都在不断演化,大量不断演化的网络已经被研究,以揭示其内在机制,从而更深入地理解它们的组织和发展。与演化机制探索的实证研究迅速展开相比,与演化机制相对应的未来链接预测方法却相对匮乏。现实世界的信息总是包含着下一步会发生什么的暗示,在观察到的进化网络中也是如此。在本文中,我们首先提出了一个结构依赖的索引,以加强链接预测方法的鲁棒性。然后,我们把观察到的链接和他们的时间戳在不断发展的网络作为已知的信息。我们将进化网络视为动态系统,并对节点相似性的进化动态进行建模。通过迭代更新节点的网络位置,揭示了网络演化的潜在趋势,提高了未来链路预测的准确性。实验结果表明,该索引在实际网络中的性能优于基线方法,时空位置漂移模型在实际网络中的性能也较好。
2016-04-08 cs.SI physics.soc-ph
Kinetic Equations for Processes on Co-evolving Networks
本文的目的是推导出宏观方程的过程中的大型共同发展的网络,例子是意见极化的出现过滤器泡沫或其他社会过程,如规范的发展。这导致了图(或网络)上的过程,其中节点中粒子的状态以及它们之间的权重都及时更新。在我们的推导中,我们遵循统计力学的基本范式:我们从范式微观模型出发,在高维空间中推导出一个Liouville型方程,不仅包括网络中的节点状态(对应于力学中的位置),而且还包括它们之间的边权重。然后,我们得到一个自然的(有限的)边际层次,并传递到一个无限的极限。我们将讨论这一层次的封闭问题,并看到一个简单的平均场解只能出现在相等状态的节点之间的权重分布集中的情况下。在一个更有趣的一般情况下,我们提出了一个合适的封闭的水平上的两个粒子的分布(包括它们之间的重量),并讨论所产生的动力学方程的一些属性。此外,我们强调了一些结构保持性质的封闭,并讨论了它的分析在一个极小模型。我们讨论了我们的理论在文献中的一些基于代理的模型中的应用,并讨论了一些开放的数学问题。
2021-04-28 math.AP physics.soc-ph
A Markovian Model of the Evolving World Input-Output Network
ETH Zurich(苏黎世联邦理工学院)
本文利用马尔可夫链方法分析1995-2011年世界经济网络演变,通过混合时间、Kemeny常数等指标评估全球化程度和系统风险,揭示了经济节点活动变化对整体货币流动的影响。
2017-09-02 cs.SI econ.GN physics.soc-ph
Dynamic Behavioral Mixed-Membership Model for Large Evolving Networks
Purdue University(普渡大学);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
大多数真实世界的网络是动态的并且非常大(例如,互联网流量、Twitter、Facebook等)。为了理解这些大型动态网络中节点的结构行为,可能有必要对代表主要连接模式的行为角色随时间的动态进行建模。在本文中,我们提出了一个动态的行为混合成员模型(DBMM),捕捉图中的节点的角色,以及它们如何随着时间的推移而演变。与其他以节点为中心的模型不同,我们的模型是可扩展的,用于分析大型动态网络。此外,DBMM是灵活的,无参数,没有函数形式或参数化,并且是可解释的(识别可解释的模式)。性能结果表明,我们的方法可以应用于非常大的网络,而实验结果表明,我们的模型揭示了这些网络的动态有趣的模式。
2012-05-09 cs.LG cs.SI physics.soc-ph
Online detection of temporal communities in evolving networks by estrangement confinement
时间社区是在一个不断发展的复杂网络的多个快照中对节点进行一致划分的结果,它可以帮助揭示网络中密集的集群如何随着时间的推移而出现、组合、分裂和衰退。目前的方法,在一个单一的快照中找到社区是不直截了当地推广到寻找时间社区,因为用于寻找静态社区的质量函数具有高度退化的景观,并最终分区中选择的许多分区的类似质量是高度敏感的网络中的小变化。为了可靠地检测时间社区,我们不仅需要在给定的快照中找到一个好的社区分区,而且还需要确保它与之前的快照中找到的分区具有一些相似性。我们提出了一种新的措施,分区距离称为“疏远”的动机节点间的关系,当纳入到分区质量的测量,有利于检测有意义的时间社区的惯性。具体来说,我们提出了疏远限制方法,它假设社区中的相邻节点更愿意继续分享社区的联系,随着网络的发展。约束疏远使我们能够找到有意义的时间社区在不同程度的时间平滑在不同的现实世界的数据集。具体来说,我们研究了美国国会参议员投票行为的演变,人类移动数据集中邻近度的演变,以及合成网络中难以找到的进化社区的检测。因此,疏远限制提供了一个原则性的方法来发现不断发展的网络中的时间社区。
2012-03-22 cond-mat.stat-mech cs.SI physics.soc-ph
A dual modelling of evolving political opinion networks
我们提出了意见网络的双重建模的结果。该模型补充了基于代理的意见模型附加到社会代理(选民)网络的政治意见(党)网络有自己的内在机制的演变。这两个子网络形成一个全球网络,可以独立于外部影响,也可以依赖于外部影响。基本上,代理网络的演化包括链接的添加和删除,社会验证影响的意见变化,政治气候,各方的吸引力以及它们之间的相互作用。意见网络最初由代表意见或政党的许多节点组成,这些节点根据其政治立场位于一维轴上。考虑到节点间相互作用随距离的幂律衰减,演化机制包括并、裂、位置变化和吸引性变化。全球的演变结束在一个稳定的分布的社会代理人在一个准稳定和波动的固定数量的剩余缔约方。对众多政党的寿命分布和投票结果进行了实证研究,以验证数值结果。
2012-02-07 cs.SI physics.soc-ph stat.CO
Spatial network surrogates for disentangling complex system structure from spatial embedding of nodes
具有嵌入在度量空间中的节点的网络近年来获得了越来越多的关注。然而,在研究网络的宏观性质时,很少考虑空间嵌入对网络结构特征的影响。在这里,我们提出了一个空模型的层次结构,从一个给定的空间嵌入式网络,可以保持与节点的嵌入在度量空间中的全局和局部统计数据生成随机代理。比较原始网络和所得到的代理的全局特性允许量化这些特性在多大程度上已经由节点和链路的空间嵌入预先确定。我们将我们的框架应用于各种现实世界的空间网络,并表明所提出的模型比不考虑节点空间嵌入的标准随机网络模型更好地捕捉了所研究网络的宏观特性。根据所提出的零模型的实际性能,网络被分为不同的类。由于许多现实世界的复杂网络实际上是空间网络,所提出的方法是相关的解开底层复杂系统结构从空间嵌入的节点在许多领域,从社会系统的基础设施和神经生理学气候。
2016-04-08 cs.SI physics.data-an physics.soc-ph
How Complex Contagions Spread Quickly in the Preferential Attachment Model and Other Time-Evolving Networks
本文研究了复杂传染病在社会网络中的传播速度。一个$k$复合体传染从一组最初被感染的种子开始,这样任何至少有$k$被感染邻居的节点都会被感染。简单的传染,即,$k=1$,迅速蔓延到整个网络的小世界图。然而,复杂传染病的快速传播似乎不太可能,也更微妙;成功的案例关键取决于网络结构\cite{G08,Ghasemiesfeh:2013:CCW}。我们的主要结果表明,复杂的传染病可以快速传播的一般家庭的时间演化网络,其中包括优先连接模型~ \cite{barabasi99emergence}。我们证明,如果初始种子被选为最古老的节点在这个家庭的网络中,$k$ -复杂的传染覆盖整个网络的$n$节点在$O(\log n)$步骤。我们表明,初始种子的选择是至关重要的。如果在PA模型中均匀随机地选择初始种子,即使它们的数量是多项式,复杂的传染也会过早停止。优先连接模型中最老的节点可能具有高的度。然而,我们注意到,它实际上不是幂律度分布本身,有利于快速传播的复杂传染,而是这种模型的进化图结构。所述族中的一些成员甚至不具有幂律分布。我们还证明了复杂的传染是快速的复制模型~ \cite{KumarRaRa00},一个变种的优先连接家庭。最后,我们证明了当一个复杂的传染病开始从一个一般的图上的初始种子的任意一组,确定是否感染的顶点的数量是超过一个给定的阈值是$\mathbf{P}$ -完全的。因此,我们不…
2014-08-09 cs.SI physics.soc-ph
An evolving network model with community structure
许多社会和生物网络都由社区组成,社区内的节点群连接密集,但节点群之间的连接稀疏。近年来,在现实世界的复杂网络中,社区结构检测算法的设计引起了人们极大的兴趣。在本文中,我们提出了一个进化的网络模型,展示社区结构。该网络模型基于社区内优先依附和社区间优先依附机制。基于平均场方法分析了该网络模型的度分布。理论结果和数值模拟表明,该网络模型具有社团结构和无标度特性。
2005-10-26 cond-mat.dis-nn physics.soc-ph
The co-evolution of brand effect and competitiveness in evolving networks
“品牌效应具有吸引力”的原则是偏好依附的基础。在这里,我们表明,品牌效应只是吸引力的一个维度。另一个方面是竞争力。我们首先开发了一个通用的框架,使我们能够调查真实网络的竞争方面,而不是简单地喜欢流行的节点。我们的模型准确地描述了社会和技术网络的演变。竞争节点越多,链接越丰富的现象可以帮助我们理解自然界和社会中许多竞争系统的演化。在一般情况下,本文提供了一个显式的网络的度分布的解析表达式。特别是,该模型产生了一个非平凡的时间演化节点的属性和无标度行为的指数依赖于微观参数表征的竞争规则。其次,通过理论分析和数值模拟,揭示了该模型不仅具有对同质加权网络的普适性,而且具有对异质加权网络的特性。第三,本文还建立了一个基于利益驱动机制的模型。它能更好地描述企业合作网络中观察到的现象。我们发现,标准的偏好连接,增长的随机图,初始吸引力模型,健身模型和加权网络,都可以被视为退化的情况下,我们的模型。
2014-05-18 cs.SI physics.soc-ph
Unfolding accessibility provides a macroscopic approach to temporal networks
网络的可达性图包含一个链接,只要两个节点之间有一条任意长度的路径。我们将可达性的概念推广到时态网络。通过连续添加增长长度的路径(展开)构建可达性图,我们获得了时间网络中最短路径持续时间和特征时间尺度的分布信息。此外,我们定义因果保真度来衡量其静态表征的好坏。我们提出的方法的实用性证明了三个例子:网络的社会联系,牲畜贸易和性接触。
2012-10-08 cond-mat.stat-mech cs.SI physics.soc-ph
Transport collapse in dynamically evolving networks
本文研究了在无标度和格点传输网络中,源节点与汇节点距离及源节点度对传输崩溃时间的影响,发现网络拓扑、维度、边界条件及添加直接连边均会显著改变网络鲁棒性与崩溃时间分布。
2023-10-18 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
The Aging Effect in Evolving Scientific Citation Networks
引文网络的研究是科学界感兴趣的。然而,驱动个人引用行为的潜在机制仍然不完全清楚,尽管最近扩散的定量研究方法。传统的网络模型通常使用图论将文章视为节点,将引用视为它们之间的成对关系。在本文中,我们提出了一个替代的进化模型的超图理论的基础上,其中一个超边可以有任意数量的节点,结合年龄效应,以反映时间动态的科学引文行为。该模型的理论近似解和仿真分析都是使用来自不同学科的两个基准数据集开发和验证的,即美国物理学会(APS)和数字书目与图书馆项目(DBLP)的出版物。进一步的分析表明,早期出版物的吸引力将呈指数衰减。此外,实验结果表明,老化效应确实对集体引用模式的描述有显着的影响。揭示驱动这些机制的复杂动力学有助于理解科学进化的规律和科学产出的定量评估。
2021-11-02 cs.SI physics.soc-ph
Measuring Equality and Hierarchical Mobility on Abstract Complex Networks
网络中节点的中心性,无论如何衡量,都是该节点重要性或影响力的重要代表,节点中心性的差异产生了层次结构和不平等。如果网络随时间演化,每个节点的影响也会随时间变化,相应的层次结构也会相应地修改。然而,仍然缺乏系统的研究,在一个节点的中心性演变的方式时,一个图的变化。在本文中,我们介绍了一个分类的平等和分层移动性的网络中,随着时间的推移的度量。我们提出了一个指标的基础上,从经济学的经典基尼系数的平等性,我们量化的层次移动性的节点,即如何以及在何种程度上的中心性的节点和它的邻居随着时间的推移而改变。这些措施适用于从不同领域的30个时间演变的网络数据集的语料库。我们表明,建议的分类措施可以区分不同领域的网络。我们还研究了不同分类方法之间的相关性,并证明其中一些方法在整个语料库中具有一致的强相关性(或反相关性)。这里开发的流动性和平等的措施构成了一个有用的工具箱,用于调查网络演变的性质,也用于区分不同的人工模型假设来解释这种演变。
2022-05-27 cs.SI physics.soc-ph
Gravity Effects on Information Filtering and Network Evolving
本文基于经典物理学中的引力原理,提出了一种可调的引力模型,该模型考虑了标签使用模式对网络节点质量和距离的影响。然后将该模型应用于解决信息过滤和网络演化问题。在两个真实网络数据集\emph{Del.icio.us}和\emph{MovieLens}上的实验结果表明,该算法不仅能提高算法性能,而且能更好地表征真实网络的性质.这一工作对深入理解引力模型的作用有一定的指导意义。
2014-02-10 cs.IR cs.SI physics.soc-ph
Description of spreading dynamics by microscopic network models and macroscopic branching processes can differ due to coalescence
传统上,通过对随时间的发生次数进行计数来在宏观水平上监测扩散过程。然后,可以在微观水平上对扩散过程进行建模,假设潜在的相互作用网络,或者直接在宏观水平上,假设微观贡献可以忽略不计。这两种描述的宏观特征通常被认为是相同的。在这项工作中,我们表明,这些特征的微观和宏观的描述可以是不同的,由于合并,即,节点同时被多个源激活。特别是,我们考虑一个(微观)分支网络(概率元胞自动机)与退火连接性障碍,记录的宏观活动,然后近似这个活动的(宏观)分支过程。在这个框架中,我们分析计算的集体动力学的合并的效果。我们发现,合并导致一个普遍的非线性尺度函数的连续网络活动的条件期望值。这使我们能够量化微观模型参数和已建立的宏观估计之间的差异。为了克服这种差异,我们提出了一个非线性估计,正确推断出所有系统大小的模型分支参数。
2019-05-24 cond-mat.dis-nn physics.soc-ph q-bio.NC
Phase transition in evolving networks that combine preferential attachment and random node deletion
本文用主方程与模拟分析PARD模型,揭示网络在整体增长与收缩之间于η=0处发生相变,度分布尾部由幂律经拉伸指数转为指数。
2024-12-19 cond-mat.stat-mech nlin.AO physics.soc-ph
Ranking in evolving complex networks
复杂网络作为一个简单而强大的框架已经出现,用于表示和分析各种各样的复杂系统。对复杂网络中的节点和边进行排序的问题对于一系列现实问题至关重要,因为它影响到我们如何访问在线信息和产品,如何评估人类活动中的成功和人才,以及公司和政策制定者如何分配稀缺资源等。这就需要深入了解现有的排名算法是如何执行的,以及它们可能存在哪些偏差,这些偏差可能会影响它们的有效性。成熟的排名算法(如流行的Google的PageRank)本质上是静态的,因此,当应用于快速发展的真实网络时,它们表现出重要的缺点。最近的进展,在不断发展的网络的理解和建模,使广泛和多样化的排名算法,考虑到时间维度的发展。这篇综述的目的是调查现有的排名算法,静态和时间感知,以及它们在不断发展的网络中的应用。我们强调网络演化对成熟的静态算法的影响,以及包括实时网络流量预测,未来链路预测和高度重要节点识别等任务的时间维度的好处。
2017-04-26 cs.DL cs.IR cs.SI
Optimizing state change detection in functional temporal networks through dynamic community detection
动态社区检测提供了一个连贯的描述网络集群随着时间的推移,允许一个跟踪社区的增长和死亡,随着网络的发展。然而,模块化最大化,一个流行的方法进行多层社区检测,需要一个适当的空模型以及分辨率和层间耦合参数的规格。重要的是,算法准确检测社区演化的能力取决于这些参数的选择。在功能性时态网络中,不断发展的社区反映了网络节点之间不断变化的功能关系,检测到的社区反映系统的任何状态变化尤其重要。在这里,我们提出的分析工作表明,一个统一的空模型提供了改进的灵敏度,检测小的不断发展的社区在时间相关网络。然后,我们提出了一种方法,用于增加模块化最大化的节点动态的状态变化的敏感性,通过建模层之间的自相似性的网络节点的网络节点之间的自我身份链接。从建模和数学的角度来看,这种方法更适合于功能时序网络,因为它结合了网络节点的动态特性。我们激励我们的方法基于神经科学中的应用,其中网络节点代表神经元,功能边缘代表时间上的放电模式的相似性。最后,我们表明,在模拟数据集的神经元尖峰列车,更新层间链接的基础上的神经元的放电特性提供了优越的社区检测不断发展的网络结构时,一组神经元改变其放电特性随着时间的推移。
2018-05-21 physics.data-an physics.soc-ph q-bio.NC
Epidemic spreading in evolving networks
在无标度稳态网络的情况下,建立了一个传染病传播模型,并对该模型进行了分析。结果发现,与人们天真的预期相反,重新布线的过程通常倾向于抑制传染病传播。特别是它被发现,在静态网络中,重新布线网络的度分布指数$γ>3$表现出一个阈值的感染率低于该流行病在稳定状态下消亡。然而,在重新布线的情况下,阈值更高。对于$2<γ\leq 3$,不存在这样的阈值,但是对于小的感染率,感染节点的稳态密度(流行率)对于重新布线网络是较小的。
2010-01-22 cond-mat.stat-mech physics.soc-ph q-bio.OT
Approximating Betweenness Centrality in Large Evolving Networks
介数中心性通过节点在网络中所有最短路径中的参与程度对节点的重要性进行排名。因此,计算精确的介数值在大型网络中是不切实际的。对于静态网络,基于随机采样路径的近似在实践中已经被证明是显著更快的。然而,对于动态网络,没有近似算法的介数中心是已知的,改善静态重新计算。我们提出了两个增量近似算法(加权和未加权连接图),提供了一个可证明的保证绝对近似误差,以解决这个赤字。处理批次的边缘插入,我们的算法产生显着的加速高达$10^4$的一个因素相比,重新开始的近似。这是通过投资存储器来存储和有效地更新最短路径来实现的。作为一个积木,我们还提出了一个渐进更快的算法更新SSSP问题的未加权图。我们的实验研究表明,我们的算法是第一个在内存中计算的介数排名实用的百万边半动态网络。此外,我们的研究结果表明,准确性甚至优于理论保证的绝对误差和节点的秩被很好地保存,特别是对于那些具有高介数。
2014-09-22 cs.DS cs.SI physics.soc-ph
Block Matrix Formulations for Evolving Networks
许多类型的成对交互都是一组固定的节点,这些节点的边会随着时间的推移而出现和消失。在离散时间演化的情况下,所得到的演化网络可以由邻接矩阵的时间排序序列表示。我们在这里考虑的问题,表示系统作为一个单一的,更高的维度块矩阵,建立从个人的时间片。我们专注于计算网络中心性措施的任务。从建模的角度来看,我们表明,有一个合适的块配方,使我们能够恢复动态中心性措施尊重时间的箭头。从计算的角度来看,我们表明,新的块配方导致更有效的数值算法的设计。
2016-06-01 cs.NA cs.SI math.NA
Composite Centrality: A Natural Scale for Complex Evolving Networks
基于度量标准化和不变统计继承方案,我们推导出了一般加权有向复杂网络的复合中心性度量。不同的方案产生不同的中间抽象措施提供额外的信息,而复合中心性措施趋于标准正态分布。这提供了一个统一的尺度来衡量节点和边缘的中心性,在一个统一的框架下,复杂的不断发展的网络。考虑到世界贸易网和世界移民网的两个真实案例,无论是在40年的时间跨度,我们提出了一个标准的设置,以证明其显着的规范性和准确性。通过大量的数值模拟,我们说明了所提出的框架对大型和任意复杂系统的适用性,以及它的局限性。
2014-01-20 cs.SI physics.data-an physics.soc-ph