Growing Hypergraphs with Preferential Linking
本文提出并研究了一类基于优先连接的成长超图模型,推广了无标度网络模型,发现超边增长可产生幂律度分布,且超边大小分布形式多样,数值模拟验证了理论预测。
2023-07-13 physics.soc-ph
Preferential attachment in growing spatial networks
本文给出了一类生长网络模型在平坦空间和弯曲空间上的度分布。这些模型通过优先连接来演化,优先连接由节点之间的距离的函数加权。这些模型的度分布类似于Bianconi和Barabasi的适应度模型,适应度分布依赖于度量和节点密度。我们发现,在这些空间中的曲率奇点可以引起渐近玻色-爱因斯坦凝聚,但瞬态凝聚也可以观察到在光滑的双曲空间与强曲率。我们提供了数值结果的常曲率空间(球面,平坦和双曲空间),我们讨论了这种方法的故障和过渡到距离占主导地位的附件的临界点的条件。最后我们讨论了链长的分布。
2011-11-15 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Popularity versus Similarity in Growing Networks
受欢迎程度是有吸引力的--这是偏好依恋的基础公式,也是对不断发展的网络中出现扩展的流行解释。如果新的连接优先于更受欢迎的节点,那么节点的连接数量的分布遵循在许多真实网络中观察到的幂律。优先连接已经在包括Internet在内的一些真实网络中得到了直接验证。优先连接也可以是基于节点适应度、排名、优化、随机游走或复制的不同底层过程的结果。在这里,我们表明,受欢迎程度只是吸引力的一个方面。另一个维度是相似性。我们开发了一个框架,新的连接,而不是喜欢流行的节点,优化流行度和相似性之间的某些权衡。该框架承认一个几何解释,其中流行的偏好出现从局部优化。与偏好连接相反,优化框架准确地描述了技术(互联网)、社会(信任网络)和生物(大肠杆菌代谢)网络的大规模进化,并以惊人的精度预测了其中新链接的概率。因此,开发的框架可以用于预测新的链接在不断发展的网络,并提供了一个不同的角度优先连接作为一种新兴的现象。
2013-04-18 cond-mat.stat-mech cs.NI cs.SI
Coexistence in preferential attachment networks
我们在不断增长的网络上引入了一种新的竞争模式。这扩展了偏好连接模型,其关键属性是节点选择与网络同时进化。当一个新节点加入网络时,它通过优先连接选择邻居,并根据每种类型的初始邻居的数量选择其类型。该模型进行了详细的分析,特别是,我们确定的各种类型的限制大型网络的可能比例。我们发现的一个重要的定性特征是,与许多当前的理论模型相比,通常会有几个竞争对手共存。这与许多现实世界网络中的经验观察相匹配。
2015-11-26 cs.SI math.PR physics.soc-ph
Growing graphs with addition of communities
本文提出了一种基于随机偏好连接图的大型网络模型,并添加了完全子图(团)。所提出的模型是指遵循非线性优先连接规则的随机图模型,并考虑了将整个节点社区“添加”到网络中的可能性。在推导确定顶点度分布的关系时,使用了描述图的稳态的有限差分方程的技术。所得到的结果进行了测试经验(通过生成大图),特殊情况下对应于已知的数学关系。
2019-04-04 cs.SI physics.soc-ph
Evolutionary game dynamics in a growing structured population
我们讨论了一个不断增长的网络结构人口的进化博弈动力学模型。在我们的模型中,新玩家可以与随机的先前存在的玩家建立联系,也可以优先与过去成功的玩家建立联系。后者取决于游戏中的策略的动态,我们按照所谓的费米规则实现,以便可以探索弱策略和强策略选择的限制。我们的框架允许解决一般的进化游戏。只有两个参数描述的优先连接和选择的强度,我们描述了广泛的网络结构和进化的情况。我们的研究结果表明,即使是中等回报的优先连接,过度代表枢纽出现。有趣的是,我们发现,虽然网络的增长,达到高水平的合作,但同样的网络结构并不促进合作作为一个静态的网络。因此,支付优先依附的机制不同于那些通常用来解释静态的、已经成长的网络中合作促进的机制。
2009-07-15 physics.soc-ph
Inter-layer Degree Correlations in Heterogeneously Growing Multiplex Networks
迄今为止,多路网络增长文献一直局限于均匀增长,其中每个新的传入节点建立的链路数量在各层之间是相同的。本文主要研究异质增长。我们首先分析了两个优先增长层的情况下,找到一个封闭形式的层间度分布的表达式,并证明了非平凡的层间度的相关性出现在稳定状态。然后,我们将重点放在均匀增长的情况下。令人惊讶的是,层间相关性也出现在随机情况下。此外,我们观察到,平均层2度的节点,其层1度是k,是相同的均匀和优先计划的表达式。在整个过程中,使用蒙特卡罗模拟证实了理论预测。
2015-06-20 cond-mat.stat-mech cs.SI physics.soc-ph
Topological phase transition in a network model with preferential attachment and node removal
偏好依恋是一种流行的网络增长模型。我们考虑一个广义模型,随机节点删除,并结合优惠和随机连接。使用主方程的高度扩展,我们确定了一个拓扑相变取决于节点去除率和优先与随机连接的相对强度,其中度分布从幂律到指数尾。
2012-01-19 cond-mat.stat-mech cs.SI physics.soc-ph
Scale-free networks as preasymptotic regimes of superlinear preferential attachment
我们研究了以下悖论与网络增长根据超线性偏好连接:超线性偏好不能产生无标度网络的热力学极限,但有超线性增长的网络模型,完美地匹配一些真正的无标度网络的结构,如互联网。我们得到了一个解析解,支持广泛的模拟,在超线性增长的网络与任意平均度的度分布,并确认,在真正的热力学极限,这些网络确实是退化,即,几乎所有节点都具有低度。然后,我们表明,超线性增长有巨大的前渐近制度,其深度取决于网络中的平均程度和超线性的偏好内核。我们证明了一个超线性增长的网络模型可以重现,在其前渐近制度,一个真正的网络的结构,如果该模型捕捉到一些足够强的结构约束-丰富的俱乐部连接,例如。这些研究结果表明,真正的无标度网络的有限大小可能存在于前渐近制度的网络演化过程中,导致退化的网络形成的热力学极限。
2008-08-23 cond-mat.dis-nn cond-mat.stat-mech cs.NI
Age-targeted failure in evolving networks with addition and deletion of vertices
Data Insights AI(数据洞察人工智能);School of Computer Science, University of St Andrews(圣安德鲁斯大学计算机学院)
提出消息传递方法研究演化网络年龄定向鲁棒性,发现增长时移除最老顶点加速碎片化,平衡更替时巨分量对年龄定向攻击不变。
2026-07-17 physics.soc-ph
Network growth with preferential attachment and without "rich get richer" mechanism
利用Barabási-Albert(BA)模型的互补概率,提出了一个简单的生长网络偏好连接模型,$Π(k_i) \propto 1-\frac{k_i}{\sum_j k_j}$。在这个网络中,新节点优先连接到连接不好的节点。数值模拟,在完美的协议与主方程的解决方案,给出了指数度分布。这表明,幂律度分布是偏好附着概率与“富人越富”现象共同作用的结果。为了更好地了解网络的微观演化,我们还计算了目标节点在时间t的平均度$(<k_s(t)>)$及其波动,并与BA模型的结果进行了比较。
2015-07-02 cond-mat.stat-mech cs.SI physics.soc-ph
Growing unlabeled networks
Santa Fe Institute(圣塔菲研究所);Network Science Institute, Northeastern University(东北大学网络科学研究所);Department of Physics, Northeastern University(东北大学物理系);Department of Mathematics, Northeastern University(东北大学数学系);Department of Physics, Boston University(波士顿大学物理系)
本文提出无标签树的生长模型,通过叶子统计的理论形式化方法分析网络对称性对生长动力学的影响,发现度异质性在均匀连接下轻度增强、在优先连接下极端增强。
2025-09-21 cs.SI physics.soc-ph
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
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
Growing Scale-free Networks by a Mediation-Driven Attachment Rule
我们提出了一个模型,产生一类新的网络表现出幂律度分布的指数取决于链接的数量($m$)与传入节点加入现有的网络的频谱。与Barabási-Albert(BA)模型不同,每个新节点首先随机选择一个现有节点,并不与此节点连接,而是与同样随机选择的$m$相邻节点连接。与直觉相反的是,这种中介驱动的依恋规则不仅会导致优先依恋,而且会导致超级优先依恋,尽管是伪装的。我们发现,对于小的$m$,我们的模型的动力学是由赢家通吃现象,并为更高的$m$,它是由赢家采取一些。此外,我们证明了所有现有节点的邻域的度的逆调和平均值的平均值是一个度量,可以很好地限定度分布是多么直。
2014-12-01 cond-mat.stat-mech cs.SI physics.soc-ph
Growing homophilic networks are natural navigable small worlds
可导航性是一种仅使用局部信息在元素之间找到最短路径的能力,是现实网络中最迷人的特性之一。然而,负责形成导航特性的确切机制仍然未知。我们表明,导航性可以通过使用大多数网络中存在的两种成分来实现:网络增长和本地同质性,给出了一个有说服力的答案,导航如何出现在现实生活中的网络。一个非常简单的算法产生层次自相似的最佳有线可导航的小世界网络指数度分布,仅使用本地信息。添加优先连接产生无标度网络,其具有较短的贪婪路径,但信息提取局部性(搜索的算法复杂性)的(幂律)缩放更差。引入优先连接的饱和会导致截断的无标度分布,这在这些参数之间提供了良好的权衡,并且对于实际应用很有用。该模型的几个特征在现实生活中的网络中观察到,特别是在大脑神经网络中,支持早期的建议,即它们是可导航的。
2016-03-02 cs.SI physics.soc-ph
Decay of Relevance in Exponentially Growing Networks
提出了一个新的基于偏好连接的网络增长模型,以解释增长网络的两个性质:(1)节点度的幂律增长和(2)节点相关性的衰减。在偏好连接模型中,节点获取链接的能力受到其度、适应度以及相关性的影响,这些因素通常会随着时间的推移而衰减。在回顾了现有的模型之后,我们认为它们不能同时解释上述两个性质(1)和(2)。我们发现,除了在许多系统中观察到的经验外,网络规模随时间的指数增长是当节点相关性衰减时维持节点度幂律增长的关键。因此,我们在我们的模型中的事件时间和物理时间之间作出明确的区分,并表明,在假设一个节点的相关性随着其年龄$τ$衰减,存在一个解析解的衰减函数$f_R$的形式$f_R(τ) = τ^{-1}$。真实网络的其他性质,如幂律相似度分布,仍然可以保留,正如我们的实验所支持的那样。这使得我们的模型在解释和分析许多真实系统(如引文网络)时非常有用。
2018-04-09 cs.SI physics.soc-ph
Emergence of Soft Communities from Geometric Preferential Attachment
所有真实网络都是不同的,但许多网络都有一些共同的结构特性。关于最常见的属性似乎没有共识,但无标度分布,强聚类和社区结构经常被毫无疑问地提到。令人惊讶的是,在不断增长的网络中,并不存在一个简单的生成机制来同时解释这三个属性。在这里,我们展示了潜在的网络几何结构如何与节点优先附着到该几何结构相结合来填补这一空白。我们称这种机制为几何优先连接(GPA),并验证它对互联网。GPA产生了软社区,为网络中的社区结构提供了不同的视角。GPA和宇宙学模型之间的联系,包括通货膨胀,也进行了讨论。
2015-01-27 cs.SI physics.data-an physics.soc-ph
Stochastic dynamical model of a growing network based on self-exciting point process
我们进行实验验证的偏好连接模型,这是公认的无标度复杂网络的生成机制。为此,我们选择了物理学论文的引文网络,并追踪了一年内发表的40,195篇论文的引文历史。与普遍的看法相反,我们发现,个别论文的引用动态遵循\emph{superlinear}优先连接,指数为$α= 1.25-1.3$。此外,我们发现,引用过程不能被描述为一个无记忆的马尔可夫链,因为有一个文件的当前和最近的引用率之间的实质性的相关性。基于我们的研究结果,我们构建了一个随机增长模型的引文网络,进行了数值模拟,并取得了良好的协议与测量的引文分布。
2012-10-02 cond-mat.stat-mech cs.DL cs.SI
Complex networks as an emerging property of hierarchical preferential attachment
真正的复杂系统并不是严格结构化的,它们的构造并不存在明确的规则或蓝图。然而,在它们明显的随机性中,复杂的结构特性普遍出现。我们提出,一类重要的复杂系统可以被建模为一个组织的许多嵌入式水平(潜在的无限数量),所有这些都遵循相同的普遍增长原则被称为优先连接。我们给出了在真实系统中的这种层次结构的例子,例如在电影工业的生产实体的金字塔中。更重要的是,我们展示了如何将真实的复杂网络解释为我们模型的投影,从中自然地出现了它们的尺度独立性、聚类性、层次性、分形性和可导航性。我们的研究结果表明,复杂的网络,被视为不断增长的系统,可以是相当简单的,他们的结构的明显的复杂性在很大程度上是他们的未观察到的层次性质的反映。
2015-12-10 cs.SI physics.soc-ph
Toward automatic censorship detection in microblogs
社交媒体是用户经常通过各种手段经历审查的领域,例如限制搜索条件或主动和追溯删除消息。在本文中,我们研究了自动检测微博审查的可行性。我们使用网络增长模型来模拟微博关注网络上的讨论,并比较两种审查策略来模拟不同程度的消息删除。使用从所得到的图中提取的拓扑特征,训练分类器以检测给定的通信图是否已被审查。结果表明,审查检测是可行的经验测量水平的消息删除。拟议的框架可以实现自动审查测量和跟踪,当与审查的聚合公民报告相结合时,可以允许用户对在线通信习惯做出明智的决定。
2014-02-27 cs.SI physics.soc-ph
Growing community networks with local events
社区网络的研究近年来引起了广泛的关注。在本文中,我们提出了一个不断发展的社区网络模型的基础上,本地进程,增加新的节点内的社区和新的链接内或社区间。采用增长和优先连接机制,我们生成的网络具有广义幂律分布的节点的度。
2009-02-04 physics.soc-ph
Exact solutions for models of evolving clustered networks with addition and deletion via age-resolved message passing
School of Computer Science, University of St Andrews(圣安德鲁斯大学计算机学院)
本文提出基于块图的网络演化模型,通过添加m-团和删除顶点,推导出联合度分布主方程的精确闭式解,并利用年龄分辨消息传递获得巨连通分量和渗流阈值,推广了现有模型至任意更替率。
2026-07-20 physics.soc-ph
Growing networks of overlapping communities with internal structure
我们引入了一个直观的模型,描述了社区结构的出现和社区内部结构的演变不断增长的社交网络。该模型包括两个互补的机制:一个机制占一个单一的社区的内部链接结构的演变,第二个机制协调多个重叠的社区的增长。第一种机制是基于这样的假设,即每个节点与其邻居建立链路,并以不同的速率向社区引入新节点。我们证明,这个简单的机制,产生了有效的最大程度的社区内。这一观察与人类学理论邓巴数有关,即,对一个普通个体在其社会群体中所能维持的最大数量的联系的经验性观察。第二种机制是基于最近提出的对社区结构的偏好附着的概括,适当地称为结构偏好附着(SPA)。将这两种机制结合到一个模型(SPA+)中,使我们能够再现真实网络的一些全局统计数据:社区大小、节点成员和度的分布。SPA+模型还预测了(a)重叠社区内度分布的三种定性制度,以及(b)节点所属社区数量与每个社区内连接数量之间的强相关性。我们提出的经验证据,支持我们的研究结果在真正的复杂网络。
2016-08-25 cs.SI physics.soc-ph
Network Growth via Preferential Attachment based on Prisoner's Dilemma Game
在这篇文章中,我们讨论了基于囚徒困境(PD)的网络增长,其中网络中节点上的玩家与其链接的玩家进行游戏。玩家在PD中估计总利润。当一个新的节点被连接时,该节点与网络中的节点建立链接,其概率与游戏所获得的利润成比例。重复这个过程,网络就成长了。通过计算机模拟,我们研究了这类增长网络的性质,特别是度分布和时间依赖策略分布。我们还发现了一种相变的策略分布。对于计算机模拟给出的这些现象,也进行了理论研究。
2007-09-12 physics.soc-ph
Joint Estimation of the Non-parametric Transitivity and Preferential Attachment Functions in Scientific Co-authorship Networks
我们提出了一种统计方法,同时估计的非参数传递性和优先连接功能,在不断增长的网络,在传统的方法,要么估计每个功能隔离或假设一些功能的形式。我们的模型被证明是一个很好的适合两个真实世界的合著网络,并能够带来光的偏好连接和传递性现象,将无法在传统的方法有趣的细节。我们还介绍了一种方法来量化的贡献量的网络增长过程中的概率动力学过程的基础上诱导的模型公式。应用这种方法,我们发现,传递性占主导地位的PA在这两个合著网络。这表明了间接关系在科学创造过程中的重要性。所提出的方法在R包FoFaF中实现。
2019-10-01 cs.SI physics.data-an physics.soc-ph
Context dependent preferential attachment model for complex networks
本文提出了一种生长型随机复杂网络模型,我们称之为上下文相关偏好连接模型(CDPAM),新节点连接到旧节点的偏好由旧节点的局部和全局性质决定。我们把节点局部和全局性质分别看作节点的度和相对平均度。我们证明了由CDPAM生成的复杂网络的度分布服从幂律分布,其指数位于区间[2,3]内,并且网络的期望直径随初始小网络中新节点的增加而递增.数值结果表明,当新节点对局部和全局属性分配相同的权重时,期望直径稳定。计算各种措施,包括聚类系数,不确定性,三角形的数量,代数连通性,谱半径,我们表明,该模型复制的真实网络的属性比BA模型的所有这些措施时,相同的权重的局部和全局属性。最后,我们观察到BA模型是一个限制的情况下,CDPAM时,新的节点往往给予较大的权重的局部属性相比,在链路形成的全局属性的权重。
2015-01-10 cs.SI physics.soc-ph
Super-star networks: Growing optimal scale-free networks via likelihood
优先连接(Preferential attachment)--新节点以与现有节点的度成比例的概率连接到现有节点--已经成为无标度网络的标准增长模型,其中节点具有度$k$的渐近概率与$k^{-γ}$成比例。然而,这种模式的动机完全是临时的。我们使用精确的似然参数,并表明建立无标度网络的最佳方法是将大多数新链接连接到低度节点。奇怪的是,这导致了一个具有单一主导枢纽的无标度网络:我们称之为超级星网络的星形结构。渐近地,最优策略是将每个新节点以与$\frac{1}{N+ζ(γ)(k+1)^γ}$(在$N$节点网络中)成比例的概率连接到度为$k$的节点之一--比标准优先连接所表现出的更强的对高度节点的偏好。我们的算法生成最优的无标度网络(超级明星网络),以及随机采样的空间中的所有无标度网络与给定的度指数$γ$。我们生成可行的实现有限$N$为$1\ll γ<2$以及$γ>2$。我们在$γ\approx 2$观察到一个明显的不连续过渡,介于所谓的超级星形网络和更树状的实现之间。逐渐增加的$γ$进一步导致超级明星枢纽的重新出现。为了量化这些结构特征,我们推导出一个新的解析表达式的期望度指数的纯优先连接过程,并引入替代措施的网络熵。我们的方法是通用的,也可以适用于任意的度分布。
2014-11-11 cs.SI nlin.AO physics.soc-ph
Growing a Network on a Given Substrate
传统的网络增长模型的研究主要着眼于图的稳态度分布。通常考虑长时间行为,因此忽略初始条件。在这篇文章中,度分布的时间演化是关注的中心。我们考虑了两个特定的增长模型,传入节点的均匀和优先的附件,并在任意初始条件下的图的度分布作为时间的函数。这使我们能够描述度分布的瞬态行为,以及量化收敛到稳态极限的速度。
2012-07-24 cond-mat.stat-mech cs.SI physics.soc-ph
Scale-free networks with self-growing weight
我们提出了一种新型的加权无标度网络模型,其中的权重增长独立于新节点的附着。因此,该网络的演化不仅取决于新节点对现有节点的优先连接,而且取决于基于简单权重驱动规则的现有链路的自增长权重。这个模型是易于分析的,因此可以推导出各种统计特性,如重量分布。最后,我们发现,某些类型的社交网络是很好的描述这个模型。
2007-07-24 cond-mat.dis-nn physics.soc-ph
A minimal model for the emergence of cooperation in randomly growing networks
合作在自然界中被广泛观察到,并被认为是许多进化过程的重要组成部分,但它产生和持续的机制仍然不清楚。在几种理论中,网络互惠-一种非同质社会互动的模型-被提出作为解释合作出现的一种促成机制。现有的进化模型往往侧重于高度异质性(无标度)的网络,因此通常假设优先连接机制,因此前提条件是个人具有全局网络知识。在进化博弈论的背景下,使用弱囚徒困境作为一个比喻的合作,我们提出了一个最小的模型,它描述了网络的增长按时间顺序随机添加新的节点,结合定期磨损的人口不太适合的成员。具体来说,我们的模型不需要代理人有机会获得全球信息,并不承担无标度网络结构或优先附件机制。此外,我们的模型支持合作的出现,从最初的非合作人口。通过减少对一些假设的依赖,该模型提供了广泛的适用性,因此可能支持在早期进化转型中出现合作的解释,其中很少有假设可以作出。
2016-05-09 cs.GT cs.MA cs.SI
Efficient Network Generation Under General Preferential Attachment
网络结构的偏好依恋(PA)模型因其解释力和概念简单而被广泛使用。PA模型能够通过顺序引入优先连接到高度节点的节点的非常简单的机制来解释在许多现实世界的大型网络中观察到的无标度度分布。从PA模型有效生成实例的能力是理解模型本身及其所代表的真实网络的关键资产。令人惊讶的是,很少有人关注的问题,有效的实例生成。在本文中,我们表明,从PA模型生成网络实例的复杂性取决于模型的偏好函数,提供有效的数据结构,工作在任何偏好函数,并提出实证结果,从这些数据结构的基础上实现。我们证明,通过索引增长的网络与一个简单的增广堆,我们可以实现一个网络生成器的规模超出现有的能力($10^6$ - $10^8$节点)的许多数量级。我们显示了一个有效的和一般的PA网络发生器的效用,通过调查现有模型的偏好函数的变化的后果。我们还提供了“quicknet”,这是一个免费的开源实现,实现了本文所描述的方法。
2014-05-20 cs.DS cs.SI physics.soc-ph
Finite-time fluctuations in the degree statistics of growing networks
本文提出了一个全面的分析模型的度统计增长的网络,新的节点进入一个时间和附加到一个较早的节点根据随机规则。我们依次考虑了具有均匀依恋、线性依恋(Barabási-Albert模型)和具有初始吸引力的广义偏好依恋的模型。主要强调的是有限大小(即,有限时间)的影响,这是表现出不同的行为,在三个制度的尺寸度平面:固定,有限尺寸标度,大偏差。
2009-07-09 cond-mat.stat-mech 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
Growing Multiplex Networks with Arbitrary Number of Layers
本文主要研究日益增长的多路复用网络的问题。目前,文献中关于增长型多重网络的联合度分布的结果都是两层网络的结果,且仅限于均匀增长的特殊情况,且仅限于状态状态(即无限大的极限).在本文中,我们得到了非均匀增长的任意层数的多重网络在稳态下的联合度分布的封闭解。异构增长意味着每个传入节点在不同层中建立不同数量的链路。我们考虑的是均匀增长和优先增长。然后,我们扩展到任意时间的均匀增长机制的分析。我们得到了一个封闭形式的解的时间依赖的联合度分布的增长的多重网络与任意的初始条件。在整个过程中,理论研究结果与蒙特卡罗模拟证实。研究结果揭示了初始网络对不断增长的多重网络的瞬态动力学的影响,并朝着表征不断增长的多重网络的连接性的时间变化以及预测其未来的结构特性迈出了一步。
2015-10-07 cond-mat.stat-mech cs.SI physics.soc-ph
Growing scale-free simplices
在过去的二十年里,我们在理解复杂网络系统方面取得了重大成功,从绘制现实世界的社会,生物和技术网络到建立生成模型恢复其观察到的宏观模式。然而,这些进展仅限于成对的相互作用,捕获的二元链接,并提供有限的洞察高阶结构,其中一组几个组件代表的基本相互作用单元。这种多组分相互作用只能通过单纯复合物来理解,单纯复合物最近在社会和生物学背景下以及工程和脑科学中得到了应用。那么,生成模型恢复了在现实世界的单纯复形中观察到的模式吗?在这里,我们介绍,研究和描述一个模型,以增长单纯复杂的二阶,即节点,链接和三角形,产生一个高度灵活的范围内的经验相关的单纯网络合奏。具体而言,通过优先和/或非优先连接机制的组合,该模型构建了具有无标度分布和有界或无标度广义度分布的网络-后者考虑了每个链接周围的三元组数量。允许分析控制的标度指数,我们到达一个高度通用的方案,通过该方案来构建显示所需的统计特性的合成复合物的合奏。
2020-09-09 physics.soc-ph
Characterizing the head of the degree distributions of growing networks
本文的分析有助于解释度分布遵循扩展指数或幂律尾部的增长网络的形成。我们提出了一个通用的模型,在该模型中,边缘动态驱动的新节点的连续附件和混合附件机制,触发随机或优先附件。此外,根据响应机制建立到新添加的节点的互逆边。建议的框架扩展了以前的混合附件模型,允许新的边缘的数量根据不同的离散概率分布,包括泊松,二项式,泽塔,对数系列。我们推导出解析表达式的限制度分布,结果从混合的附件和响应机制。此外,我们描述的累积度分布的动态演化。仿真结果说明了新边的数量和互易过程如何显著影响度分布的头部。
2020-11-10 math.PR physics.soc-ph stat.AP
Link-space formalism for network analysis
我们介绍了链接空间形式主义分析网络模型的度度相关。该形式主义是基于一个统计描述的部分链接l_{i,j}连接节点的度i和j。为了证明其使用,我们应用框架的一些教学网络模型,即随机附件,Barabasi-阿尔伯特优先附件和经典的鄂尔多斯和Renyi随机图。对于这三种模型,可以解析地求解链路空间矩阵。我们应用的形式主义一个简单的单参数增长网络模型,其数值解的度度相关性的影响,所得到的度分布。我们还采用的形式主义,以获得两个非常简单的网络衰减模型,更具体地说,随机链接删除和随机节点删除的度分布。该形式主义允许详细分析网络内的相关性,我们还利用它来推导出任意度分布的完全非线性网络的形式。
2008-02-04 physics.soc-ph
Statistics of leaders and lead changes in growing networks
我们调查的各个方面的统计的领导者在增长的网络模型定义的随机附件规则。领导者是在给定时间具有最高度的节点(或者如果有共同领导者,则是第一个达到该度的节点)。这项全面的研究包括领导者的程度的全分布,其身份,共同领导者的数量,以及几个观察指标表征整个历史的铅变化:铅变化的数量,不同的领导者的数量,铅持久性概率。我们依次考虑以下网络模型:均匀连接,线性连接(巴拉巴西-阿尔伯特模型),和广义优先连接与初始吸引力。
2009-11-16 cond-mat.stat-mech physics.soc-ph
Convergence towards an Erd{\H o}s-Rényi graph structure in network contraction processes
20年前,巴拉巴西(Barabási)和阿尔伯特(Albert)在一篇极具影响力的论文中[Science 286,509(1999)]指出,经历偏好连接的一般增长过程的网络会向无标度结构演化。在任何有限的系统中,增长最终都会停滞,并且可能会由于节点故障,攻击或流行病而导致网络收缩。使用主方程制定和计算机模拟,我们分析了网络的结构演化收缩过程通过随机,优惠和传播节点删除。我们发现,收缩网络收敛到一个Erd {\H o} s-Rényi网络结构,其平均度继续减少的收缩进行。这表现为度分布向泊松分布的收敛和度-度相关性的丧失。
2020-09-07 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Absence of epidemic thresholds in a growing adaptive network
社会联系网络的结构强烈影响流行病的动态。特别是,现实世界社交网络的无标度结构使得感染率低的不太可能的疾病得以传播并成为地方病。然而,特别是对于可能致命的疾病,疾病对社会结构的影响也不容忽视,导致复杂的相互作用。在这里,我们考虑的增长网络的优先附件,其中节点同时删除由于SIR流行病。我们发现,增加传染性增加了疾病的流行,同时导致从无标度到指数拓扑结构的转变。虽然发生了向有限方差的度分布的过渡,但网络在热力学极限下仍然没有表现出流行阈值。我们说明了这些结果使用基于代理的模拟和易于分析的近似方案。
2012-09-12 cs.SI nlin.AO physics.soc-ph
On the formation of structure in growing networks
基于形成的三联路口,所提出的机制产生的网络,表现出扩展,而不是单一的幂律行为。当网络规模增长到无穷大时,三元组的形成保证了强大的邻域聚类和社区级特征。渐近行为在有向网络的研究中是很有意义的,在有向网络中,(i)链路的形成不能用优先连接原理来描述,(ii)入度分布对度高的节点符合幂律,对度低的节点符合指数形式;(iii)聚类特性出现在多个尺度上,并且取决于新添加的节点建立的链接的数量和形成三元组的概率;以及(iv)节点组形成以到其余节点的链接较少为特征的模块。
2013-04-30 cs.SI physics.soc-ph
PAFit: an R Package for the Non-Parametric Estimation of Preferential Attachment and Node Fitness in Temporal Complex Networks
许多现实世界的系统被描述为随着时间的推移而增长的复杂网络。优先连接和节点适应度是两种简单的增长机制,不仅解释了现实世界系统中常见的某些结构特性,而且还与建模和推理中的许多应用有关。虽然有统计软件包用于估计偏好依恋函数的各种参数形式,但没有这样的软件包实现非参数估计过程。非参数的方法来估计的优先附件功能允许相对细粒度的调查的“富-更富”的现象,可能会导致新的见解在搜索中解释某些非标准的结构特性观察到在现实世界中的网络。本文介绍了R软件包PAFit,它实现了非参数程序,用于估计增长网络中的优先连接函数和节点适应度,以及从这两种机制生成复杂网络的一些函数。该软件包的主要计算部分是用C++和OpenMP实现的,以确保可扩展到大规模网络。首先通过模拟实例介绍了PAFit的主要功能,然后使用该软件包分析了复杂网络领域科学家之间的合作网络。结果表明,在合作网络中的“富-更富”和“适合-更富”的现象的联合存在。估计的附件功能被观察到是近线性的,我们解释为这意味着作者得到一个新的合作者的机会是成比例的,他们目前的合作者的数量。此外,估计的作者适合度揭示了该领域最顶尖的网络科学家中复杂网络社区的许多熟悉面孔。
2018-10-24 cs.SI physics.data-an physics.soc-ph
Identifying time dependence in network growth
在真实网络中识别幂律缩放--表明偏好连接--已被证明是有争议的。批评者认为,在寻找偏好连接时,直接测量网络的时间演化比测量度分布更好。然而,许多已建立的方法不考虑任何潜在的时间依赖性的增长网络的附件内核,或方法假设节点度是关键的可观察到的决定网络的演变。在本文中,我们认为,这些假设可能会导致误导性的结论不断增长的网络的演变。我们通过引入Barab{á}si-Albert模型的一个简单适应来说明这一点,即“k2模型”,其中新节点与现有网络中的节点成比例地连接到距离目标节点一步或两步的节点数量。k2模型导致了依赖于时间的度分布和连接核,尽管最初似乎是线性优先连接,并且不需要在关键网络参数(例如平均出度)中包含显式的时间依赖性。我们发现,在几个真实世界的网络中,恒定的网络增长规则并不能描述它们的演变,也可以看到类似的效果。这意味着真实网络中特定度分布的度量也可能随着时间的推移而变化。
2020-05-14 physics.soc-ph
Fitness-Based Growth of Directed Networks with Hierarchy
提出一种融合度优先连接与节点适应度差异的有向增长网络模型,系统解释真实网络中层级性、方向性与无标度分布的共存机制,并评估 Trophic Analysis 的适用性。
2024-05-10 physics.soc-ph
Estimating Formation Mechanisms and Degree Distributions in Mixed Attachment Networks
我们的工作介绍了一种方法来估计的贡献,连接机制的形成不断增长的网络。我们提出了一个通用的模型,其中的增长是由新的节点根据随机和优惠的连接与固定的概率连续连接驱动。过去的方法应用似然分析来估计每个机制在特定网络实例处发生的概率,利用每个时间点处的似然函数的概率。然而,连接到现有节点的概率以及因此似然函数本身随着网络的增长而变化。我们建立的条件下,应用似然分析保证存在的局部极大值的时变似然函数,并证明了期望最大化算法提供了一个收敛的估计。此外,在增长的网络中的节点的入度分布的解析特征。仿真结果表明,在所提出的条件下,期望最大化和最大似然法能够准确地估计出各机制的实际贡献,且入度分布收敛于平稳分布.
2019-02-19 cs.SI math.PR physics.soc-ph
Assortative and preferential attachment lead to core-periphery networks
本文提出结合同配依附与优先依附的网络演化模型,揭示群体规模、初始条件及增长方式如何影响核心—边缘结构形成,并用五个经验网络验证核心节点的高同配性。
2024-01-25 physics.soc-ph
Dynamics of condensation in growing complex networks
一个冷凝过渡预测不断增长的技术网络的优先连接和竞争质量的节点,如所描述的健身模型。当这种凝聚发生时,节点获得网络所有链路的有限部分。早期的研究基于稳态度分布和对玻色-爱因斯坦凝聚的映射,能够确定临界点。在这里,我们描述了冷凝的动力学,我们提出的证据表明,在冷凝温度以下,动力学会减慢,并且单个节点(不一定是网络中的最佳节点)会在很长一段时间内成为赢家。当新链路确定性地连接到网络的最高质量节点时,出现这种现象的特征时间t* 在临界点和$T -> 0$都发散。
2009-10-16 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Link-Space and Network Analysis
许多网络都包含相关性,而传统的分析往往无法包含这一基本特征。在arXiv:0708.2176中,我们介绍了用于分析演化网络中度-度相关性的链接空间形式主义。在这个扩展版本中,我们提供了额外的数学细节和补充材料。我们探讨了一些常见的疏忽时,这些相关性不考虑在内,突出形式主义的重要性。该形式主义是基于一个统计描述的链接的分数l_{i,j}连接节点的度i和j。为了证明其使用,我们应用框架的一些教学网络模型,即随机附件,Barabasi-Albert优先附件和经典的鄂尔多斯和Renyi随机图。对于这三个模型,链接空间矩阵可以解析求解。我们应用的形式主义一个简单的单参数增长网络模型,其数值解的度度相关性的影响,所得到的度分布。我们还采用的形式主义,以获得两个非常简单的网络衰减模型,更具体地说,随机链接删除和随机节点删除的度分布。该形式主义允许详细分析网络内的相关性,我们还利用它来推导出任意度分布的完全非线性网络的形式。
2008-02-06 physics.soc-ph
Emerging properties of the degree distribution in large non-growing networks
本文针对非增长网络,通过重连算法建立动力学玻尔兹曼模型,在平均场标度下简化为福克-普朗克方程,统一刻画优先连接与随机网络的度分布,并分析其收敛到平衡态的指数或代数速率,为长期行为提供见解。
2025-07-10 nlin.AO physics.soc-ph
Birth-Burst in Evolving Networks
复杂网络的演化受生长规则和内部性质的共同支配。大多数进化网络模型(如优先连接)强调增长策略,而忽略了单个节点的特性。在这项研究中,我们分析了一个被广泛研究的网络:进化的蛋白质-蛋白质相互作用(PPI)网络。我们发现了单个节点的关键贡献,特别是在它们出生时。具体来说,一个节点生来就有一个适应度值--一个衡量其内在重要性的指标。当网络中引入一个适应度较大的节点时,相应地确定了一个较高的出生度,从而导致网络的连通性急剧增加。这些大(枢纽)节点的度分数不会随着网络的演化而衰减,同时在整个生命周期内保持恒定的影响。在这里,我们开发了出生爆发模型,适应度模型的适应,模拟度爆发和相变的网络进化。
2020-05-06 cs.SI physics.soc-ph
Multiplex Networks with Intrinsic Fitness: Modeling the Merit-Fame Interplay via Latent Layers
我们考虑了具有内在适应度和层间耦合的多路网络的增长问题。该模型包括两个层,一个包含健身和另一个附件是优先的。在第一层中,附着概率与适应度值成比例,在第二层中,与两层中的度之和成比例。我们提供了分析封闭形式的解决方案的联合分布的健身度。我们还推导出封闭形式的表达式的预期值的程度作为一个功能的健身。该模型强调了目前日益增长的多元化网络模型中存在的两个缺点:连接的同质性和适应度的同质性。在本文中,我们将讨论和分析一个在两种意义上都是异质的增长模型。
2015-06-20 cond-mat.stat-mech cs.MA cs.SI
Growing Networks: Limit in-degree distribution for arbitrary out-degree one
我们计算了一个具有有向边和任意出度概率的增长网络模型的稳态入度概率$P_{in}(k)$。特别是,在优先链接,我们发现,如果节点有一个轻尾(有限方差)出度分布,那么相应的入度的行为$k^{-3}$。此外,对于具有标度不变尾部的出度分布$P_{out}(k)\sim k^{-α}$,对应的入度分布只有当$2<α<3$(无穷方差)时才具有完全相同的渐近行为。当包括吸引力时,得到类似的结果。我们还提出了一些结果的描述性统计措施%描述性统计,如进入的链接,$D_{in}$,和传出的链接,$D_{out}$,和条件期望的$D_{in}$给定$D_{out}$的数量之间的相关性,我们计算这些措施的WWW网络。最后,我们提出了一个应用程序的科学出版物网络。本文给出的结果可以解释在许多真实网络中观察到的入/出度分布的尾部行为。
2007-10-12 physics.data-an physics.soc-ph
Homological percolation transitions in growing simplicial complexes
单纯复形(SC)表示是一种优雅的数学框架,用于表示从大脑网络到社会关系的各种复杂系统中具有高阶相互作用的复合体或群体的效果。在这里,我们探讨了同源渗流转变(HPTs)的增长SC使用经验数据集和提出的模型。HPT由第一和第二Betti数确定,这分别表示一维和二维宏观尺度同调环和腔的出现。提出了一个包含成长和偏好依恋两个基本因素的最小供应链模型来描述社会合作关系。该模型成功地再现了HPT,并确定了具有不同临界指数的无限级(Berezinskiii-Kosterlitz-无边界型)的过渡类型。与静态随机SC中观察到的Kahle定位相反,即使在第二Betti数出现之后,第一Betti数仍继续增加。这种离域被发现源于上述两个因素,并出现时,合并率的二维单形是小于孤立的单形的出生率。我们的结果可以提供拓扑洞察复杂网络的成熟步骤,如社会和生物网络。
2021-01-06 cond-mat.stat-mech physics.soc-ph