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
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
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
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
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
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
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
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
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
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
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
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
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
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
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 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
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
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
Instability of social network dynamics with stubborn links
基于结构平衡理论，研究了存在顽固链接的带符号网络。网络中的每个代理都有积极和消极的链接，代表友好和敌对的互动以及他对互动的谨慎。结构平衡理论认为，在同时存在友好/敌对互动的有符号的社交网络中，随着时间的推移，存在着一种缓解紧张关系的普遍趋势。从这个角度来看，个人反复颠倒自己的情绪，以减少由不平衡引起的紧张感。在本文中，我们研究了代理人的固执对其交互的后果。我们将“不和谐”定义为一种极端的对抗性互动，这种互动对变化具有抵抗力。在本文中，我们研究了顽固链接的存在是否会对网络的平衡状态产生影响，以及签名网络中的平衡程度是否取决于顽固链接的位置。我们的研究结果表明，一个不平衡的配置由多个拮抗基团。分析和仿真结果表明，网络的全局平衡水平的影响，更顽固的链接在所产生的网络拓扑结构中的位置比顽固的链接的分数。这意味着即使有很大一部分顽固链接，网络也会朝着平衡状态发展。另一方面，如果一小部分顽固链接聚集在五个顽固社区中，则网络会演变为不平衡状态。
2019-06-30 cs.SI physics.soc-ph
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
Signed Bipartite Graph Neural Networks
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）
签名网络是这样的社交网络，既有积极的联系，也有消极的联系。已经开发了许多理论和算法来对这样的网络进行建模（例如，平衡理论）。然而，以前的工作主要集中在单部签署网络的节点具有相同的类型。符号二部网络不同于经典的符号网络，它包含两个不同的节点集和两个节点集之间的符号链接。签名二部网络在商业、政治、学术等领域都有广泛的应用，但研究较少。在这项工作中，我们首先定义了相同的节点集的符号关系，并提供了一个新的角度来分析带符号的二部网络。然后，我们做了一些全面的分析，从两个角度的平衡理论在几个现实世界的数据集。具体来说，在同行评议数据集中，我们发现，在反驳阶段后，符号二分网络中平衡同构的比例增加。在这两个观点的指导下，我们提出了一种新的符号二分图神经网络（SBGNNs）来学习符号二分网络的节点嵌入。SBGNN遵循大多数GNN的消息传递方案，但我们为签名二分网络设计了新的消息函数，聚合函数和更新函数。我们验证了我们的模型在四个真实世界的数据集上的链接符号预测任务，这是签名网络的主要机器学习任务的有效性。实验结果表明，我们的SBGNN模型取得了显着的改善相比，强基线方法，包括基于特征的方法和网络嵌入方法。
2021-10-11 cs.AI cs.SI
Transitions between peace and systemic war as bifurcations in a signed network dynamical system
我们调查的结构特征和过程与系统性冲突的发生，使用的方法，将复杂系统理论与网络建模和分析。我们提出了一个签署的网络模型的合作和冲突动态的背景下，国家之间的国际关系。该模型在结构平衡力和二元特定力的影响下发展节点之间的联系。模型模拟显示，从和平到系统性战争的结构平衡压力的增加，一个和平和战争稳定均衡存在的制度，从战争到和平的滞后反向分岔急剧分叉。我们展示了我们从和平到战争分叉条件推导出的解析表达式意味着极化网络结构增加了对系统性战争的敏感性。我们开发了一个框架，用于识别最不稳定的关系扰动模式，并将其应用于第一次世界大战前的欧洲大国网络。我们还表明，该模型表现出临界减速，其中扰动的和平平衡需要更长的时间衰减系统接近分岔。我们讨论了我们的研究结果如何与国际关系理论的原因和催化剂的系统性战争。
2022-03-08 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
Active influence in dynamical models of structural balance in social networks
我们考虑一个符号图上的非线性动力系统，它可以被解释为一个社交网络的数学模型，其中的链接可以有积极和消极的内涵。根据社会心理学中被称为结构平衡的概念，消极联系在网络的结构和动态中起着关键作用。最近的研究表明，在一个非线性动态系统中，对网络中“友好程度”的时间演化进行建模，几乎任何初始条件都会出现两个对立的派别。在这里，我们研究积极的外部影响，在这个动力学模型，并表明，在网络中的任何代理可以实现任何所需的结构平衡状态，从任何初始条件，通过扰动自己的本地友好水平。在此基础上，我们还引入了一个新的网络中心性测度。结果显示在一个国际关系网络中，该网络使用1946年至2008年的联合国投票记录数据来估计各国之间的友好程度。
2013-06-22 cs.SI physics.soc-ph
SigGAN : Adversarial Model for Learning Signed Relationships in Networks
Indian Institute of Technology Patna（印度理工学院巴特那分校）；National Institute of Technology Durgapur（国立杜尔加布尔理工学院）
图中的符号链接预测是一个重要的问题，在许多领域都有应用。这是一个二元分类问题，预测一对节点之间的边是正的还是负的。现有的用于无符号网络中的链接预测的方法由于其固有的差异而不能直接应用于有符号链接预测。此外，附加的结构约束，如，有符号的网络的结构平衡属性，必须考虑有符号的链接预测。最近的有符号链接预测方法使用生成模型或判别模型来生成节点表示。受最近基于生成对抗网络（GAN）的模型的成功的启发，我们提出了一种基于生成对抗网络（GAN）的签名网络模型，SigGAN。它考虑了符号网络的要求，如，从负边的信息的集成，正负边的数量和结构平衡理论的高度不平衡。在几个真实数据集上与最先进的技术进行性能比较，验证了SigGAN的有效性。
2022-01-17 cs.LG cs.SI
"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
Analyzing and visualizing polarization and balance with signed networks: the U.S. Congress case study
本研究针对美国国会投票极化问题，提出基于拉普拉斯矩阵谱特性的符号网络分析可视化流程，以更低计算成本实现多尺度极化动态探究与节点贡献评估。
2023-08-27 cs.CY cs.HC cs.IR
From Signed Networks to Group Graphs
Imperial College London（帝国理工学院）
本文定义群图扩展符号网络，证明平衡群图上动力学演化由拓扑而非群结构决定，统一扩展了相关研究，并综述了其在网络动力学等领域的应用。
2026-08-07 cs.DM cs.SI physics.soc-ph
Structural balance of alliance and rivalry networks in international relations
敌人的敌人能成为朋友吗？越来越多的关于州际关系结构分析的文献从网络的角度解决了这个老问题。然而，合作与敌对结构的长期变化机制尚未得到充分理解。为了寻找州际结构长期演变的一般解释，我们实证研究了结构平衡理论，该理论预测，一个有符号的网络会朝着一个更“平衡”的结构演变，在许多三角关系中（即，三个国家）有共同的敌人或三国合作的倾向。我们研究了主权国家之间的联盟（正边）和竞争（负边）网络，并研究了其从1816年到2009年的演变是否可以用结构平衡理论来解释。我们发现，随着时间的推移，结构平衡理论的一致性急剧变化。在19世纪德国统一之前和二战之后，经验模式遵循理论的预测，但在中期不一致。这一结果揭示了这两个历史事件对网络演化的潜在机制的影响。此外，与以前的研究签署社交网络，一般支持结构平衡理论的对比表明，国际联盟和竞争网络可以是一个有前途的材料，研究新的机制背后的时间演化的签署网络。
2020-09-02 cs.SI
Representation Learning in Continuous-Time Dynamic Signed Networks
Georgia Institute of Technology（佐治亚理工学院）；NIT Karnataka（卡纳塔克邦国家技术学院）
有符号网络允许我们对相互冲突的关系和交互进行建模，例如朋友/敌人和支持/反对。这些签名的交互是实时发生的。对符号网络的这种动态进行建模对于理解网络中极化的演变和实现符号结构的有效预测（即，链接符号和带符号的权重）。然而，现有的作品已经建模（静态）签署网络或动态（无签名）网络，但没有动态签署网络。由于符号和动态都以不同的方式通知图结构，因此对如何组合这两个特征进行建模是非常重要的。在这项工作中，我们提出了一个新的图神经网络（GNN）为基础的方法来建模动态签署网络，命名为SEMBA：签署链路的进化使用内存模块和平衡聚合。在这里，我们的想法是将时间的相互作用的符号使用平衡理论指导下的单独的模块，并从高阶邻域的嵌入。4个真实世界的数据集和4个不同的任务上的实验表明，SEMBA一致和显着优于基线高达$80\%$的预测未来的链接的迹象的任务，同时匹配的最先进的性能预测这些链接的存在，在未来。我们发现，这种改善是由于特别是少数负类的SEMBA的优越性能。
2023-02-05 cs.LG 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
Distributed Representations of Signed Networks
Virginia Tech（弗吉尼亚理工大学）
最近在单词嵌入和文档嵌入方面的成功促使研究人员探索网络的类似表示，并将这种表示用于边缘预测，节点标签预测和社区检测等任务。这种网络嵌入方法主要集中在寻找无符号网络的分布式表示，并且无法发现尊重边缘中固有极性的嵌入。我们提出了SIGNet，一种适用于签名网络的快速可扩展嵌入方法。我们提出的目标函数旨在通过加强社会平衡理论的原则，仔细建模隐含在签名网络中的社会结构。我们的方法建立在传统的word2vec家族的嵌入方法，并增加了一个新的有针对性的节点采样策略，以保持结构平衡，在高阶社区。我们证明了SIGNet在来自不同领域的几个真实世界数据集上对有符号和无符号网络提出的最先进方法的优越性。特别是，SIGNet提供了一种方法来生成更丰富的签名网络特征词汇表，以支持表示和推理。
2019-04-08 cs.LG cs.SI stat.ML
Hyperbolic Node Embedding for Signed Networks
Jilin University（吉林大学）；University of Technology Sydney（悉尼科技大学）；Nanjing Forestry University（南京林业大学）
符号网络嵌入方法旨在学习符号网络中节点的向量表示。然而，现有的算法只能设法将网络嵌入到低维欧氏空间，而许多内在的特征，签署的网络更适合于非欧氏空间。例如，以前的工作没有考虑网络的层次结构，这在现实世界的网络中是广泛存在的。在这项工作中，我们回答了一个开放的问题，双曲空间是否是一个更好的选择，以适应签署的网络和学习嵌入，可以保持相应的特殊特征。基于结构平衡理论和黎曼优化，提出了一种非欧符号网络嵌入方法，将符号网络嵌入到双曲空间的Poincaré球中.这个空间使我们的方法能够捕获签名网络中节点的底层层次结构，因为它可以被视为一个连续树。我们在七个真实世界的数据集上，在三个任务中将我们的方法与六个基于欧几里得的基线进行了实证比较，结果表明了我们的方法的有效性。
2020-08-31 cs.LG cs.SI physics.soc-ph
The role of frustration in collective decision-making dynamical processes on multiagent signed networks
在这项工作中，我们考虑了一个集体决策过程中的非线性互联动力学模型与sigmoidal非线性和签署互动图的代理网络。决策被编码在系统的均衡中。我们的目的是调查这个多智能体系统时，签署的图代表的社会是不是结构平衡，特别是当我们改变其挫折，即，距离结构平衡。该模型表现出分叉，和一个“社会努力”的参数，添加到模型中，以代表代理之间的相互作用的强度，在我们的分析中起着分叉参数的作用。我们发现，随着社会努力的增加，决策动态表现出一种干草叉分叉行为，从"无决策“的僵局情况（即，原点是唯一的全局稳定的平衡点），则实现了社区的两个可能的（备选的）决策状态（对应于两个非零局部稳定的平衡）。社会努力的价值是跨越分叉（并达成决定）的增加与有符号网络的挫折。
2021-05-24 cs.SI cs.SY eess.SY
Balanced Butterfly Counting in Bipartite-Network
本文研究有符号二分图中的平衡蝴蝶计数问题，提出高效分桶算法及其并行版本，并在九个真实数据集上验证其显著加速效果。
2023-08-09 cs.SI
Trustworthiness-Driven Graph Convolutional Networks for Signed Network Embedding
Hanyang University（汉阳大学）；Georgia Institute of Technology（佐治亚理工学院）；University of Michigan（密歇根大学）
针对现有GCN符号网络嵌入方法过度依赖平衡理论的问题，提出TrustSGCN，通过信任度校正嵌入传播并结合平衡与地位理论，在四个真实数据集上优于五种最先进方法。
2023-09-02 cs.LG cs.SI
Computing the Line Index of Balance Using Integer Programming Optimisation
平衡线指数是符号图的一个重要度量，它在许多领域都有应用。然而，这种图论测量几十年来未得到充分利用，因为其计算的固有复杂性与解决NP-难图优化问题（如MAXCUT）密切相关。我们开发了新的二次和线性规划模型来精确计算平衡线指标。使用Guesthouse整数规划优化求解器，我们评估了真实世界和合成数据集的平衡线指数。合成数据包括Erdens-Rényi图、Barabási-Albert图和特殊结构的随机图。我们还使用了来自社会学文献的众所周知的数据集，例如从学生的选择和拒绝推断出的签名图，以及来自生物学文献的数据集，包括基因调控网络。结果表明，在相对较大的有符号图的平衡线指数的精确值可以有效地计算使用我们建议的优化模型。我们发现，大多数现实世界的社交网络和一些生物网络具有较小的线平衡指数，这表明它们接近平衡。
2018-02-07 cs.SI math.OC
Deep Network Embedding for Graph Representation Learning in Signed Networks
网络嵌入在过去的几年中引起了越来越多的关注。网络嵌入是解决图挖掘问题的一种有效方法，其目的是为给定网络的每个节点学习一个低维的特征向量表示。然而，现有的网络嵌入算法大多数都是针对无符号网络设计的，而同时包含正负链路的有符号网络与无符号网络具有截然不同的性质。在本文中，我们提出了一个深度网络嵌入模型来学习低维节点向量表示与结构平衡的签署网络。该模型采用半监督堆叠自动编码器来重建给定有符号网络的邻接连接。由于在现实世界的有符号网络中，邻接连接是压倒性的正连接，我们施加了更大的惩罚，使自动编码器更专注于重建稀缺的负链接，而不是丰富的正链接。此外，为了保持符号网络的结构平衡性，我们设计了成对约束，使得嵌入空间中的正连接节点比负连接节点更接近.基于所提出的模型学习的网络表示，我们进行链接符号预测和社区发现签署的网络。在真实世界数据集上的大量实验结果表明，该模型优于最先进的网络嵌入算法的图表示学习在签署的网络。
2019-01-07 cs.LG cs.SI
Characterizing Attitudinal Network Graphs through Frustration Cloud
态度网络图是有符号图，其中边捕获表达的意见;由边连接的两个顶点可以是一致的（积极的）或对抗的（消极的）。一个符号图称为平衡图，如果它的每个圈都包含偶数条负边。平衡通常由挫折指数或通过找到网络共识的单一收敛平衡状态来表征。在本文中，我们建议扩大措施的共识，从一个单一的平衡状态与挫折指数的最接近的平衡状态。我们引入的挫折云作为一组所有最近的平衡状态，并使用图平衡算法，以确定性的方式找到所有最近的平衡状态。计算问题的解决，通过测量的共识概率，我们引入了新的顶点和边的指标来量化的状态，协议和影响。我们还介绍了一个新的全球措施的争议，为一个给定的签署图，并表明，顶点的地位是一个零和游戏的签署网络。我们提出了一种高效的可扩展算法，用于计算社交网络中基于云的挫败度测量以及多达80，000个顶点和50万条边的调查数据。我们还展示了所提出的方法相比，谱聚类和自动识别网络中的主导顶点和异常决策时，社区发现提供判别特征的力量。
2021-08-17 cs.CY cs.IR cs.SI
Signed Graph Unlearning
针对现有图遗忘方法不适用于有符号网络、易导致结构失衡的问题，本文提出SGU框架，通过新型划分范式和算法保留边符号信息、保证结构平衡，在模型性能和遗忘效率上达SOTA。
2025-10-30 cs.SI
Community Detection in Signed Networks: an Error-Correcting Code Approach
在本文中，我们考虑了签名网络中的社区发现问题，其中有两种类型的边缘：积极的边缘（朋友）和消极的边缘（敌人）。一个著名的签名网络定理，被称为Harary定理，指出结构平衡的签名网络是可聚类的。通过将签名网络中的每个循环视为奇偶校验约束，我们证明了具有两个社区的签名网络中的社区发现问题等价于奇偶校验码的解码问题。我们还展示了如何使用两个著名的解码算法在纠错码的社区发现在签署的网络：位翻转算法，和信念传播算法。除了这两个算法，我们还提出了一个新的社区发现算法，称为汉明距离算法，执行社区发现通过找到一个码字，最大限度地减少汉明距离。我们比较这三种算法的性能进行各种实验与已知的地面真相。我们的实验结果表明，我们的汉明距离算法优于其他两个。
2017-05-11 cs.SI
Signed Graph Attention Networks
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）
图或网络数据在现实世界中无处不在，包括社交网络、信息网络、交通网络、生物网络和各种技术网络。图数据的非欧性质给图数据的建模和分析带来了挑战。最近，图神经网络（GNN）被提出作为处理图数据上的任务的通用且强大的框架，例如，节点嵌入、链接预测和节点分类。作为GNN的代表性实现，图注意力网络（GATs）已成功应用于真实数据集上的各种任务。然而，GAT被设计为只有正链路的网络，而不能处理既包含正链路又包含负链路的签名网络。在本文中，我们提出了签名图注意力网络（SiGATs），将GAT推广到签名网络。SiGAT将图基序并入GAT以捕获签名网络研究中的两个众所周知的理论，即，平衡理论和地位理论。在SiGAT中，模体为我们提供了灵活的结构模式，可以在签名网络上聚合和传播消息，以生成节点嵌入。我们评估所提出的SiGAT方法，将其应用到签署的链接预测任务。在三个真实数据集上的实验结果表明，SiGAT优于基于特征的方法，网络嵌入方法和最先进的基于GNN的方法，如符号图卷积网络（SGCN）。
2019-09-05 cs.LG cs.SI physics.soc-ph
Exponential Random Graph Models for Dynamic Signed Networks: An Application to International Relations
针对有符号网络连边形成推断研究缺乏合适统计模型的问题，提出拓展自ERGM的SERGM，适配横截面与动态有符号网络，构建可解释统计量并用于国际关系中国家合作冲突分析。
2022-05-24 cs.SI stat.AP
