Robustness and Assortativity for Diffusion-like Processes in Scale-free Networks
通过分析复杂网络中流行病和灾难的扩散动力学,研究了传染性对网络鲁棒性的影响。我们首先通过频谱分析确定阈值以上的流行病/故障可以传播,然后我们计算最慢的扩散时间。我们的研究结果表明,dispertative网络表现出更高的流行病学阈值,因此更容易免疫,而在dispertative网络有一个更长的时间进行干预之前,流行病/故障蔓延。此外,我们研究了沙堆级联模型,一个扩散模型的危机传播(金融传染)的计算机模拟。我们发现,虽然预防性网络更容易传播流行病/故障,度有针对性的免疫政策增加了他们的系统性风险的弹性。
2012-11-23 cond-mat.dis-nn cond-mat.stat-mech cs.SI
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
Impact of network assortativity on epidemic and vaccination behaviour
麻疹的重新流行主要是由于疫苗采用率下降和流动性增加。虽然麻疹疫苗很容易获得并且非常成功,但目前的采用不足以预防流行病。疫苗的采用直接受到个人疫苗接种决策的影响,并与潜在的流动(旅行)网络形成的疾病空间传播有着复杂的相互作用。在本文中,我们将旅行连通性建模为无标度网络,并研究网络的传染性与由此产生的流行病和疫苗接种动态之间的依赖关系。在这样做的时候,我们扩展了SIR网络模型与博弈论的组件,捕捉下的模仿动态的自愿接种疫苗计划。我们的研究结果表明,流行病的动态和网络的传染性之间的相关性,强调具有高传染性的网络往往在某些条件下抑制流行病。在高度收敛的网络中,这种抑制会持续下去,从而产生一个早期收敛到平衡的过程。然而,在高度分散的网络中,由于非接种节点的分散以及动态的主要接种和非接种阶段之间的频繁切换,抑制效果随着时间的推移而减弱。
2020-06-01 physics.soc-ph q-bio.PE
Fast degree-preserving rewiring of complex networks
Technical University of Denmark(丹麦技术大学);University of Limerick(利默里克大学);Leiden University(莱顿大学)
本文提出了一种快速度 preserving 重 wiring 算法,用于高效调整复杂网络的 assortativity,适用于大规模网络。
2026-03-02 physics.soc-ph
Degree Correlations Amplify the Growth of Cascades in Networks
网络促进了级联的传播,允许局部扰动通过节点及其邻居之间的相互作用进行渗透。我们研究网络结构如何影响扩散级联的动态。通过在生成函数框架内考虑网络的联合度分布,我们可以量化度相关性如何影响全局级联的发生以及特定度类节点触发大级联的倾向。然而,并非所有的度相关性在传播过程中都同样重要。我们引入了一个新的措施的度的相关性,占相关的扩散级联节点之间的相关性。我们发现,定义全球级联的发病的临界点有一个单调的关系,这个新的非线性措施。此外,我们表明,节点的选择种子最大的级联是强烈的程度相关性的影响。与传统观点相反,当度的不确定性为正时,低度节点更有可能产生最大的级联。我们的工作表明,通过操纵网络的高阶结构来调整传播过程是可能的。
2018-07-15 cs.SI 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
Character Networks and Book Genre Classification
我们比较了传记、传奇和虚构文本的社会角色网络,以寻找体裁分化的标志。我们检查了人物外表的程度分布,并发现了一个不依赖于文学流派或历史内容的幂律。我们还分析了本地和全球复杂网络的措施,特别是最近推出的大堂(或赫什$H(1)$)指数和度,介数和接近中心之间的相关图。以前的文献声称将虚构的社交网络与真实的社交网络分开,也研究了分类情节。我们在这些网络测量的书籍中没有发现相关的差异,并且我们给出了一个合理的解释,为什么以前的非线性结果不正确。
2018-10-12 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
On the influence of topological characteristics on robustness of complex networks
在本文中,我们探讨了复杂网络的拓扑特征和它的鲁棒性持续有针对性的攻击之间的关系。使用合成的无标度,小世界和随机网络,我们研究了一些网络度量,包括网络的非线性,模块化,平均路径长度,聚类系数,丰富的俱乐部配置文件和无标度指数(适用时),以及这些指标如何影响网络在有针对性攻击下的鲁棒性。我们使用一个建立的鲁棒性系数来衡量拓扑鲁棒性,并考虑持续的有针对性的攻击,节点度的顺序。对于无标度网络,我们发现,无标度性,模块化和平均路径长度与网络的鲁棒性呈正相关,而聚类系数呈负相关。我们没有发现无标度指数和鲁棒性之间的任何相关性,或丰富的俱乐部配置文件和鲁棒性。而小世界网络的鲁棒性则与网络的重复性、模块性、聚类系数和平均路径长度呈显著正相关。相比之下,Erdos-Renyi随机网络的鲁棒性与所考虑的任何网络属性都没有任何显着的相关性。一个重要的观察结果是,高聚类降低了无标度网络的拓扑鲁棒性,但它增加了小世界网络的拓扑鲁棒性。我们的研究结果突出了拓扑特征在影响网络鲁棒性方面的重要性,并说明了网络设计人员可以使用的设计策略,以提高无标度和小世界网络在持续有针对性攻击下的鲁棒性。
2014-02-26 cs.SI nlin.AO physics.soc-ph
Clustering assortativity, communities and functional modules in real-world networks
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。集群化、群落结构和按程度进行的非竞争性混合也许是后者最突出的例子。虽然这些性质被普遍接受用于社交网络,但它们只能部分解释其他网络的结构。我们首先表明,度校正的聚类是在相反的标准定义,高度重复性。然而有趣的是,我们进一步注意到,非社交网络包含具有非常低聚类的连接区域。因此,现实世界的网络结构是超越社区的。在这里,我们调查的概念功能模块-定期等价节点组-并表明,这种结构可以解释在非社会网络中观察到的属性。现实世界的网络可能由社区覆盖的功能模块组成。我们支持后者提出了一个简单的网络模型,生成无标度的小世界网络可调聚类和度混合。模型在许多现实世界的网络中有一个自然的解释,同时它也提供了一个适当的社区提取框架的见解。我们还提出了一种在没有任何先验知识的情况下检测任意结构模块的算法。算法被证明是优于国家的最先进的,而应用到现实世界的网络揭示了良好的支持复合材料的不同结构模块,是一致的底层系统。在包括社交网络在内的所有类型的网络中,都有明确的功能模块。因此,我们的发现揭示了功能模块是复杂现实世界网络的另一个关键组成部分。
2012-02-15 cs.SI physics.data-an physics.soc-ph
Malleability of complex networks
大多数复杂网络不是静态的,而是随着时间的推移而发展。给定一个这样的变化网络的特定配置,量化其拓扑结构可能展开的多样性就成为一个特别有趣的问题。在这项工作中,我们提出了网络延展性的概念,它被定义为相对于给定配置的每个可能的展开的概率的熵的指数。我们计算的延展性相对于所涉及的拓扑结构的具体测量。更具体地说,我们确定了从给定配置导出的可能拓扑,并计算了它们的一些拓扑度量(例如,聚类系数,最短路径长度,重复性等),导致相应的概率与每个可能的测量值相关联。虽然这种方法意味着从拓扑到测量空间的映射中存在一定程度的退化,但它仍然为推断特定网络类型相对于给定拓扑测量的延展性铺平了道路。我们报告说,延展性,在一般情况下,取决于每个特定的测量,平均最短路径长度和程度的延展性通常会导致大的延展性值。维基百科网络的延展性最大,Watts-Strogatz模型的延展性最小。
2018-10-22 cs.SI physics.soc-ph
The spring bounces back: Introducing the Strain Elevation Tension Spring embedding algorithm for network representation
本文介绍了应变高程拉伸弹簧嵌入(SETSe)算法,这是一种使用物理模型在无向属性网络中创建节点和边嵌入的图形嵌入方法。使用低维表示,SETSe能够区分使用标准网络度量(如节点数,边数和重复性)设计为相同的图。生成的嵌入定位节点,使得在嵌入过程中隐藏的子类是线性可分离的,这是由于它们连接到网络其余部分的方式。SETSe在图区分和子类识别方面优于其他五种常见的图嵌入方法。该技术被应用于社交网络数据,显示其优势,以及SETSe的能力,量化网络结构和预测节点类型的可拓性。该算法的收敛复杂度约为$\mathcal{O}(n^2)$,迭代速度是线性的($\mathcal{O}(n)$),存储复杂度也是线性的。总体而言,SETSe是一个快速,灵活的框架,用于各种网络和图形任务,为复杂系统提供分析洞察力和简单的可视化。
2020-07-18 cs.SI physics.soc-ph
Effects of Degree Correlations in Interdependent Security: Good or Bad?
我们研究了程度相关性或网络混合对相互依赖安全的影响。我们使用依赖图来模拟代理之间的相互依赖性,并采用人口博弈模型来捕获许多代理之间的相互作用时,他们是战略性的,并有各种安全措施,他们可以选择来保护自己。整体网络安全性是通过我们称之为邻居的平均风险暴露(ARE)来衡量的,它与网络中的攻击总数(预期)成正比。首先证明了种群博弈存在唯一的纯策略纳什均衡。然后,我们证明了,作为代理的依赖图中的程度较大的看到更高的风险比那些程度较小的,整体网络的安全性恶化,代理所经历的ARE增加,网络中有更多的攻击。最后,使用这一发现,我们证明了网络混合对ARE的影响取决于代理可用的安全措施的(成本)有效性;如果安全措施是无效的,依赖图的依赖性增加会导致更高的ARE。另一方面,如果安全措施能够有效抵御攻击造成的损害和损失,则增加可防御性会降低代理所经历的ARE。
2017-04-03 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
Correlation distances in social networks
本研究将复杂网络的度同配性定义扩展至最近邻之外,通过重连算法分析模型与真实网络,发现社交网络正相关性在一步后减弱且三步外呈反同配倾向。
2024-06-01 physics.soc-ph
The Transsortative Structure of Networks
网络拓扑可能是不平凡的,这是由于形成它们的复杂的底层行为。虽然过去的研究表明,网络上的一些过程可能是由描述节点及其邻居的低阶统计量来表征的,例如度重复性,但这些量无法捕捉网络结构变化的重要来源。我们引入了一个属性称为transsortativity,描述了一个节点的邻居之间的相关性,概括这些统计数据从直接的一跳邻居到两跳邻居。我们描述了如何transsortativity可以系统地变化,独立于网络的度分布和transsortativity。此外,我们发现,它可以显着影响传染病的传播以及邻居的看法,被称为多数错觉。我们的工作提高了我们创建和分析复杂网络的更真实模型的能力。
2019-10-21 cond-mat.stat-mech physics.soc-ph
Fundamental statistical features and self-similar properties of tagged networks
我们调查的基本统计特征的标记(或注释)网络具有丰富的各种属性与它们的节点。标签(属性、注释、特性、功能等)提供关于由给定节点表示的实体的基本信息,因此,考虑它们是朝着更完整地描述大型复杂系统的结构迈出的重要一步。我们的主要目标是揭示节点标签的统计属性与图拓扑的统计属性之间的关系。为了更好地识别带有标记节点的网络,我们引入了一些新的概念,包括标记性(将链接概率与节点相似性联系起来),以及新的数量,如节点唯一性(衡量节点的标记在网络中出现的概率)和标记性指数。我们将我们的方法应用于三个大型网络,代表复杂系统的不同领域。多个标签相关量显示类似的行为(例如,我们所研究的网络是标记性的,指示标记相对于拓扑的可能的通用方面),而一些其它特征(例如节点唯一性的分布)显示出网络之间的可变性,从而允许精确定位真实世界复杂网络的大规模特定特征。我们还发现,对于每个网络的拓扑结构和标签的分布是规模不变的,这种自相似的网络属性可以很好地表征的标签的可伸缩性指数,这是特定于每个系统。
2008-12-22 physics.data-an physics.soc-ph
Copy-Spread-Annihilate Dynamics in Degree-Assortative Networks
Hobart and William Smith Colleges(霍巴特威廉史密斯学院);Constructor University(康斯特鲁克托尔大学)
研究了在度 assortative 网络中,Copy-Spread-Annihilate 动力学对信号寿命的影响,发现信号寿命在中性 assortativity 附近达到最大,表明 hub 驱动的放大作用与短循环消亡作用的平衡是关键因素。
2026-03-31 cond-mat.dis-nn nlin.AO physics.soc-ph
Systems biology beyond degree, hubs and scale-free networks: the case for multiple metrics in complex networks
生物和其他复杂系统中网络的建模和拓扑分析,必须超越有限的考虑很少的网络度量,如度,介数或重复性。一个适当的识别信息和冗余的实体,从许多不同的指标,使用最近证明的技术,是必不可少的。只有使用这些方法,才能对网络和增长模型进行全面比较。
2012-06-03 cond-mat.stat-mech cs.SI physics.soc-ph
A Fractal and Scale-free Model of Complex Networks with Hub Attraction Behaviors
人们普遍认为复杂网络的分形性起源于枢纽排斥行为(节点排斥关系或排斥性),即度大的节点倾向于与度小的节点连接。这一假设被一个动态增长模型所证明,该模型的演化过程是Song等人提出的逆重整化过程。现在我们发现,动态增长模型是基于这样一个假设,即所有的跨盒链接都有相同的概率e链接到每个盒子内的最连通节点。因此,我们通过采用灵活的概率e来修改增长模型,使枢纽与枢纽的连接概率高于非枢纽。利用该模型,我们发现一些分形和无标度网络具有枢纽吸引行为(相关性或同配性)。结果是以前的信念的反例。
2013-11-13 cs.SI physics.soc-ph
Edge direction and the structure of networks
有向网络是无处不在的,并且是表示具有不对称相互作用的复杂系统所必需的--从食物网到万维网。尽管边缘方向对于检测局部和社区结构很重要,但在研究网络中的一种基本类型的全局多样性时,它被忽视了:具有相似边缘数量的节点连接的趋势。这种趋势称为同配性,会影响现实世界网络的关键结构和动态属性,例如容错性或传染病传播。在这里,我们证明了边缘方向有深远的影响,反磁性。我们定义了一组四个有向重复性的措施,并分配随机网络的比较统计意义。我们将这些措施应用到三个网络类-在线/社交网络,食物网,词邻接网络。我们的措施(i)揭示了每个类别的共同模式,(ii)以前被分类在一起的独立网络,(iii)暴露了几个现有理论模型的局限性。我们拒绝将有向网络的标准分类为纯粹的排斥或排斥。许多显示类特定的混合,可能反映功能或历史的限制,偶然性,和力量引导系统的演变。
2010-11-08 cond-mat.dis-nn cs.NI physics.soc-ph
Analysis and perturbation of degree correlation in complex networks
度相关性是许多现实世界网络的一个重要拓扑性质。本文对网络度相关性的统计度量进行了分析研究。我们给出了统计测度一致性的一个精确证明,揭示了度相关性的一般线性关系,为复杂网络度相关性的分析提供了一个简单而有趣的视角.利用一般线性分析方法,研究了复杂网络中少量节点的加入和富俱乐部对度相关性的扰动。研究结果表明,对于ER图等同质网络,简单的结构变化容易对网络的可拓性产生较大影响,而对于无标度网络等度分布较宽的异质网络,可拓性变化较小.显然,同构网络比异构网络对扰动更敏感。
2015-09-02 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
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
Percolation in random graphs with higher-order clustering
逾渗理论可以用生成函数来描述复杂网络的结构特性。这种映射假设网络是局部树状的,并且不包含邻居之间的短程环路。在本文中,我们使用的生成函数制定检查集群网络,包含简单的周期和集团的任何顺序。我们使用自然概括的Molloy-Reed标准,这些网络来描述他们的临界特性,并推导出一个分析描述的巨型组件的大小,提供解决方案的泊松和幂律网络。我们发现,网络包括较大的简单循环的行为越来越像树。Conversley,由较大的集团组成的聚类越来越偏离树状解决方案,尽管行为强烈依赖于度的可伸缩性。
2020-11-20 cond-mat.stat-mech 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
Wikipedias: Collaborative web-based encyclopedias as complex networks
维基百科是一个受欢迎的基于网络的百科全书,由其用户自由和合作编辑。在本文中,我们提出了一个分析的维基百科在几种语言的复杂网络。从一个维基百科条目指向另一个条目的超链接被视为有向链接,而条目则代表网络的节点。我们发现,许多网络特征是共同的不同语言版本的维基百科,如他们的度分布,增长,拓扑结构,互惠性,聚类,不确定性,路径长度和三合会的重要性配置文件。在不同语言和不同规模的维基百科中发现的这些数据表明存在一个独特的增长过程。我们还比较维基百科其他以前研究的网络。
2006-07-03 physics.soc-ph
Link deletion in directed complex networks
我们提出了一个系统和详细的研究下随机和有针对性的删除链接的有向网络的鲁棒性。我们使用一组随机和无标度类型的网络模型,这些模型具有聚类和重复性的特定特征。各种策略,如随机删除的链接,或删除基于介数中心性和程度的源和目标节点,被用来打破网络。研究了网络对链路持续丢失的鲁棒性,给出了网络连通分量大小和反向路径长度的表达式。聚类和2节点度相关性,对攻击的鲁棒性的影响,也进行了探讨。我们提供了具体的说明,我们的研究三个现实世界的网络构建蛋白质-蛋白质相互作用和运输数据。
2018-09-02 physics.soc-ph
Gaussian Networks Generated by Random Walks
我们提出了一个基于随机游动的模型来生成复杂网络。许多作者研究和开发了不同的方法和工具来分析复杂网络的随机游走过程。仅举几例,随机游走已被用于执行社区检测,探索任务和研究时间网络。此外,它们也被用来生成无标度网络。在这项工作中,我们定义了一个随机步行者,扮演的角色“边生成器”。特别地,随机游走器生成新的连接,并使用这些连接访问网络的每个节点。因此,该模型允许实现具有高斯度分布的网络,而且,一些特征如聚类系数和非线性度表现出临界行为。最后,我们进行了数值模拟研究的行为和所引用的模型的属性。
2014-04-06 cond-mat.stat-mech cs.SI physics.soc-ph
Impact of perception models on friendship paradox and opinion formation
社交网络的拓扑异质性对网络中的个体有很大的影响。由这种异质性驱动的一个有趣的现象是友谊悖论(FP),指出一个人的邻居的平均程度大于自己的程度。或者,可以使用邻居的中值度以及具有比自己更高度的邻居的分数。每一个都反映了人们如何看待他们的社区,即,他们的感知模型,因此他们如何感受同伴压力。在我们的论文中,我们研究了感知模型对FP的影响,通过比较三个版本的感知模型在网络中生成的给定度分布和可调的度-度相关性或重复性。增加的主动性,预计将减少网络级的同行压力,而我们发现一个非平凡的行为,只有基于均值的感知模型。通过模拟的意见形成,其中的意见采纳概率的个人给出作为一个功能的个人同行压力,我们发现,它需要最长的时间达成共识时,个人采用基于中位数的感知模型,相比其他版本。我们的研究结果表明,人们需要考虑适当的感知模型,以更好地建模人类行为和社会动态。
2019-05-11 physics.comp-ph physics.soc-ph
Socioeconomic Networks with Long-Range Interactions
我们研究了Jackson和Wolinsky先前提出的模型的修改版本,以解释社会经济网络中的信息交流和商品分配。在该模型中,每个节点的效用函数由所有可访问节点的贡献的加权和给出。由变量$δ$参数化的权重随距离减小。我们引入了一个增长机制,新的节点连接到现有的网络优先效用。通过增加$δ$,网络结构从幂律发展到指数度分布,通过一个政权,其特征在于较短的平均路径长度,较低的度的重复性和较高的中心点优势。在本文的第二部分中,我们比较不同的网络结构的平均效用由每个节点。我们发现,幂律网络提供更高的平均效用比泊松随机网络。这为无标度网络在现实世界中的普遍存在提供了可能的理由。
2008-05-29 physics.soc-ph
Multi-Stage Complex Contagions in Random Multiplex Networks
复杂的传染模型已经被开发出来,以理解广泛的社会现象,如文化时尚的采用,信仰、规范和创新在社交网络中的传播,以及加入骚乱的集体行动的兴起。大多数现有的作品集中在个人的状态表示为{ \em二进制}变量的传染,传播发生在一个单一的孤立的网络。然而,将一个人对给定事物的立场描述为二元状态可能过于简单化,因为我们的大多数观点,感受和感知都在两个以上的状态中变化。此外,大多数现实世界的传染发生在多个网络上(例如,Twitter和Facebook)或涉及{ \em多重}网络,其中个体参与不同的{ \em类型}关系(例如,熟人、同事、家人等)。为此,本文研究了发生在多层或多重网络上的{ \em多阶段}复杂传染。在基于线性阈值的传染模型下,我们给出了\textit{global}级联的概率和期望规模的解析结果,即,其中随机选择的节点可以发起最终到达整个群体的{ \em正}部分的传播的情况。分析结果也证实了广泛的数值研究和支持。特别是,我们演示了复杂的传染的动态是如何受到额外的重量施加的\textit{hyper-active}节点和所涉及的网络的结构特性。除其他外,我们揭示了一个有趣的连接之间的网络和\textit{hyper-active}节点的级联大小的影响的可伸缩性。
2018-07-03 cs.SI physics.soc-ph
Divisibility patterns of natural numbers on a complex network
自然数整除性的研究是数论中最重要的课题之一。几个世纪以来,人们开发了各种工具来发现和研究自然数序列中的各种模式。在本文中,我们研究的整除自然数使用的增长复杂网络的框架。特别是,使用统计推断领域的工具,我们证明了网络是无标度的,但具有非平稳的度分布。与此同时,我们报告了一种新的相似性模式的局部聚类,我们称之为“拉伸相似性”,在这个网络。我们还证明了网络的平均度、全局聚类系数和扩散系数等特性随网络规模的变化是平滑的。利用解析方法估计了全局聚类和平均度的渐近行为,并利用数值分析进行了验证。
2015-12-02 cs.SI math.CO math.NT
Complex Network Approach to Fractional Time Series
为了提取随机时间序列中的相关信息,最近提出了可见图算法,通过该算法可以将时间序列映射到复杂网络上。我们证明了可见性算法是不是一个合适的时间序列的相关性方面的研究。然后,我们采用水平可见性算法,作为一个更简单的,映射到复杂的网络分数过程。度分布具有抛物线指数形式,拟合参数依赖于Hurst。此外,我们还考虑了其他拓扑性质,例如邻接矩阵的最大特征值和度同配性,并表明这些拓扑量也可以用于预测赫斯特指数,但反持续分数高斯噪声除外。为了解决这个问题,我们考虑到斯皮尔曼相关系数之间的节点的度和其对应的数据值在原始时间序列。
2016-05-22 physics.data-an physics.soc-ph
Factors determining nestedness in complex networks
理解网络结构特征的原因和影响是破译复杂系统的关键任务。在这种情况下,网络嵌套的属性引起了相当大的兴趣,关于生态网络。事实上,Bastolla等人引入了一种简单的网络嵌套度量方法,这为分析理解打开了大门,使他们能够得出结论,即生物多样性在高度嵌套的互惠网络中得到了极大的增强。在这里,我们提出了一个稍微改进的版本,并继续研究它如何受到网络最基本的结构属性的影响,例如度分布和度-度相关性(即重复性)。我们发现,异质性的程度有很强的影响嵌套。一旦这样的影响已经折扣,我们发现嵌套是强烈相关的dispertativity,因此,随机(中性)网络最近被发现是自然dispertativity,他们往往是自然嵌套的机会。
2013-09-20 cs.SI physics.soc-ph q-bio.MN
Reconstructing topological properties of complex networks using the fitness model
复杂社会经济系统研究中的一个主要问题是隐私问题$-$,它会严重限制可访问信息的数量,迫使在不完整知识的基础上构建模型。本文研究了一种从有限信息出发重构复杂网络全局拓扑性质的新方法。该方法使用节点的固有属性(表示为适应度)的知识,以及仅有限的节点子集的连接数,以生成代表真实系统的指数随机图的集合,并且可以用于估计其拓扑属性。在这里,我们特别关注于重建通常用于描述网络的最基本属性:链接密度,重复性,聚类。我们测试的基准合成网络和真实的经济和金融系统的方法,发现一个显着的鲁棒性相对于用于校准的节点数量。因此,该方法代表了一个有价值的工具,以获得对隐私保护系统的见解。
2014-10-08 cs.SI physics.soc-ph q-fin.GN
Beyond the rich-club: Properties of networks related to the better connected nodes
网络的许多结构特征取决于与枢纽的连通性以及枢纽内部的连通性。这些依赖关系可以与节点的度以及节点与更高度的节点共享的链接的数量有关。在这里,我们修改并提出了新的结果,展示了如何构建网络集成,它给出了一个很好的近似度的相关性,因此,这种相关性的预测,如重复系数或平均邻居度。我们提出了一个新的界限的结构切断度的基础上的连接枢纽。此外,我们表明,与集线器内的连接可以用来定义不同的网络核心。其中两个核心与谱性质和长度为1和2的行走有关,其中至少包含一个枢纽节点,并且它们与特征向量中心性有关。我们引入了一个新的中心性测量的基础上与枢纽的连接。此外,作为合奏和核心相关的枢纽的连接,我们展示了几个例子如何在枢纽连接的变化影响度-度相关性和核心属性。
2018-10-29 cs.SI physics.soc-ph
Exponential rate of epidemic spreading on complex networks
本文针对复杂网络上传染病初始阶段的指数传播速率展开研究,基于度分布、网络 assortativity 和聚类水平推导出网络再生数表达式并关联其与疾病传染性及传播速率,结果适用于多数网络,填补了经典流行病学与复杂网络理论的空白。
2025-04-18 cond-mat.stat-mech physics.soc-ph q-bio.PE
Discriminating word senses with tourist walks in complex networks
Institute of Mathematics;Computer Science University of S\ ao Paulo, P. O. Box 369, Postal Code 13560-970 S\ ao Carlos, S\ ao Paulo, Brazil Institute of Physics of S\ ao Carlos University of S\ ao Paulo, P. O. Box 369, Postal Code 13560-970 S\ ao Carlos, S\ ao Paulo, Brazil
拓扑排列模式广泛应用于动物和人类大脑的学习过程。然而,自动学习技术经常忽略这些模式。本文将一种基于属性空间数据结构化组织的学习技术应用于10个多义词的义项识别问题。使用两种类型的表征的含义,即语义和拓扑的方法,我们已经观察到显着的准确率在这两种技术中确定合适的含义。最重要的是,我们已经发现,基于确定性的游客步行的表征,提高了消歧过程中相比,与传统的复杂网络测量,如重复性和聚类系数实现的歧视。据我们所知,这是第一次,这样的确定性行走已被应用到这样一种问题。因此,我们的研究结果表明,游客步行表征可能是有用的其他相关应用。
2013-06-17 cs.CL cs.SI physics.soc-ph
A Systematic Approach for Studying How Topological Measurements Respond to Complex Networks Modifications
本文提出一种系统方法,利用相似性网络和层次聚类,量化并可视化复杂网络在边移除或重连等修改下多种拓扑测量的响应与相互关系。
2025-05-28 cs.SI physics.soc-ph
A Markov chain model for the search time for max degree nodes in a graph using a biased random walk
我们考虑的问题估计的预期时间找到一个最大程度的节点上使用(参数化)有偏随机游走的图。对于独立图,正度相关性充当局部梯度,对于该局部梯度,偏向于选择更高度的邻居将平均减少搜索时间。不幸的是,虽然图上的预期吸收时间可以用吸收马尔可夫链的理论写下来,但计算这个时间对于大型图是不可行的。有了这个动机,我们构建了一个吸收马尔可夫链,每个度的图的状态,并观察到计算预期的吸收时间现在是计算上可行的。我们的论文发现了以下初步结果:i)存在所提出的马尔可夫模型能够捕获吸收时间的图和所述模型不能捕获吸收时间的图,ii)存在随机采样优于有偏随机游走的图和有偏随机游走优于有偏随机游走的图,以及iii)随机游走的最佳偏置参数依赖于图,并研究了图的可拓性的依赖性。
2016-02-25 cs.DM cs.SI physics.soc-ph
Cascading failures in scale-free interdependent networks
大型叶栅是许多自然和工程复杂系统中常见的现象。在本文中,我们探索的级联网络中使用现实的网络拓扑结构,如异构度分布,以及内部和层间的程度相关性的传播。我们发现,三个属性,无标度分布,内部网络的可扩展性,和跨网络枢纽枢纽到枢纽的连接,都是必要的组件,以显着减少大型级联的大小在巴克唐-维森菲尔德沙堆模型。我们证明了多层网络结构中存在的相关性会影响动态级联过程,并可以防止故障跨连接层传播。这些发现突出了内部和跨网络拓扑结构在优化互联系统的稳定性和鲁棒性方面的重要性。
2019-02-19 nlin.AO 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
Structure and dynamics of core-periphery networks
最近的研究揭示了重要的核心/外围网络结构,其特征是网络节点之间复杂的合作和竞争相互作用,无论是蛋白质,细胞,物种还是人类。更好地表征核心/外围网络的结构,动力学和功能是我们理解细胞功能,物种适应,社会和市场变化的关键一步。在这里,我们总结了目前的知识的结构和动态的“传统”的核心/外围网络,丰富的俱乐部,嵌套,领结和洋葱网络。比较核心/外围结构与网络模块,我们区分全球和本地核心。核心/外围网络组织处于几种极端性质的中间,如随机/凝聚结构,集团/星型配置,网络对称/不对称,网络非对称性/非对称性,以及网络层次/反层次。这些高复杂性的性质与核心路径的大简并性一起确保合作并提供网络流重引导的多个选项极大地有助于复杂系统的高鲁棒性。核心过程能够对各种刺激做出协调的反应,减少噪音,并缓慢进化。网络核心的整合功能是各种复杂有机体和组织发展的重要一步。除了这些重要的特征和几十年的研究兴趣,核心/外围网络的研究仍然有一些未探索的领域。
2013-11-30 cs.NI cs.SI nlin.AO
Partisan voter model on complex networks: Dynamics of local ordering
Instituto de Fisica Interdisciplinar y Sistemas Complejos IFISC (CSIC-UIB)(综合物理与复杂系统研究所 IFISC(西班牙科学研究中心-巴利阿里群岛大学))
研究复杂网络上党派选民模型的局部有序过程,通过配对近似分析无关联随机网络,并探讨偏好依赖网络中的同配/异配连接对稳态的影响。
2026-07-20 math.DS physics.soc-ph
Extracting correlations in earthquake time series using visibility graph analysis
最近的观测研究表明,地震分为几个不同的类别。每一类都可能具有时间序列中独特的统计特征,但由于其非线性和非平稳的性质,目前的理解仍然是有限的。本文利用复杂网络理论对地震时间序列的统计特性进行了新的研究。我们研究了两种类型的时间序列,这是震级和事件间时间(IET),三种不同类型的地震:规则地震,地震群,和构造地震。根据可视图准则,将每个震波迹象看作一个节点,确定其连接,将地震时间序列映射成一个复杂的网络。与目前的普遍看法相反,发现震级时间序列在统计上不等同于随机时间序列。对于所有类型的地震,IET序列都表现出类似于分数布朗运动的相关性。此外,我们表明,时间序列的三个不同类别的地震可以区分的拓扑结构的相关的可见性图。对震群的复动系数的分析也表明震群比地震更具有间歇性。
2021-03-23 physics.geo-ph physics.soc-ph
Fermionic Networks: Modeling Adaptive Complex Networks with Fermionic Gases
我们研究了费米网络的结构,即,一个基于费米子气体行为的网络模型,我们分析了它们的动力学过程。在该模型中,粒子动力学被映射到网络域,因此代表温度的参数控制系统的演化。在这样做时,可以生成自适应网络,即,网络的结构随时间而变化。如在以前的工作中所示,量子统计产生的网络可以经历临界现象的相变,而且,它们可以被认为是热力学系统。在这项研究中,我们分析了费米网络和观点动力学过程,框架这个网络模型作为一个计算模型,用于表示复杂的和适应系统。结果表明,气体温度和所实现的网络结构之间存在很强的关系。值得注意的是,度分布和折射率都随着温度的变化而变化,因此我们可以说费米子网络表现为自适应网络。另一方面,值得强调的是,我们没有发现观点动力学过程的结果与气体温度之间的关系。因此,虽然后者在气体动力学中起着基础性的作用,但在网络域上,它的重要性只与费米子网络的结构性质有关。
2016-06-06 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
q-Exponential Random Graphs: higher-order networks from simple constraints
Czech Technical University in Prague(布拉格捷克技术大学);University of Leiden(莱顿大学);IMT School for Advanced Studies(高级研究IMT学院)
本文通过将Shannon熵推广到Uffink熵,提出$q$-指数随机图模型,在保持原始约束(边数或度序列)不变的情况下,引入边依赖性和高阶网络特征(如稀疏-稠密相变、丰富的同配性和聚类结构)。
2026-06-16 cond-mat.dis-nn cond-mat.stat-mech cs.IT
Modeling temporal hypergraphs
University of Konstanz(康斯坦茨大学);University of Bucharest(布加勒斯特大学);The Center for Innovation in Medicine(医学创新中心);University of Maribor(马里博尔大学);Community Healthcare Center Dr. Adolf Drolc Maribor(马里博尔阿道夫·德罗尔博士社区健康中心);Kyung Hee University(庆熙大学);Korea University(韩国大学)
本文提出利用关系超事件模型(RHEM)对时间超图进行建模,以定义空分布并测试复杂依赖关系。
2025-11-20 physics.soc-ph stat.AP
Strongly clustered random graphs via triadic closure: Degree correlations and clustering spectrum
Dipartimento di Fisica Università La Sapienza(罗马大学物理系);University of Aveiro(阿威罗大学);University of Leeds(利兹大学)
本文提出一种通过随机网络骨架中每个三元组以一定概率闭合来生成强聚类随机图的模型,并精确推导了局部聚类谱和度相关性的表达式,揭示了高度传递性与正度同配性及聚类谱的非平凡结构。
2026-05-23 cond-mat.dis-nn physics.soc-ph
Controlling systemic risk - network structures that minimize it and node properties to calculate it
对金融机构网络中的系统性风险进行评估一般需要机构间金融风险敞口的信息。在债务排序算法的框架下,我们引入了一种近似的系统性风险评估方法,该方法只需要节点的总资产和总负债作为输入。我们证明,这种近似捕捉了很大一部分的系统性风险衡量的债务排名。此外,使用蒙特卡罗模拟,我们调查网络结构,可以放大系统性风险。事实上,如果市场是流动的,那么一般意义上的拓扑结构{ \em a priori}都不会更稳定[1],但更大的复杂性对整体稳定性不利[2]。在这里,我们发现,标量相关性的措施以及与系统性风险的水平。特别是,具有高系统性风险的网络结构是标量分解的,这意味着风险银行大多暴露于其他风险银行。低系统性风险的网络结构是标量离散的,风险银行与稳定银行相互作用。
2019-02-22 econ.TH physics.soc-ph q-fin.RM
Effects of network topology on wealth distributions
我们关注的问题是财富如何在网络经济系统的各个单元之间分配。我们首先回顾了实证结果,证明在许多经济体中,财富分配是由对数正态和幂律行为相结合来描述的。然后,我们专注于财富交换的Bouchaud-Mézard模型,描述了通过交换网络连接的交互代理的经济。我们报告的分析和数值计算结果表明,该系统自组织对一个稳定的状态,其相关的财富分布取决于关键的底层相互作用网络。特别是,我们表明,如果网络显示出均匀的链接密度,财富分布就会显示出对数正态或幂律形式。这意味着,单靠一阶拓扑性质(如无标度性质)不足以解释经验观察到的财富分布的\emph{mixed}形式的出现。为了重现这种非平凡的模式,网络必须被异质地划分为具有可变链接密度的区域。我们展示了新的结果,详细说明了这种效应是如何与底层网络的高阶相关特性。特别是,我们分析的程度和成对的财富相关性,并讨论这些属性对彼此的影响。
2008-01-10 nlin.AO physics.data-an physics.soc-ph
Higher-order organization of complex networks
网络是物理学、生物学、神经科学、工程学和社会科学中理解和建模复杂系统的基本工具。众所周知,许多网络都表现出丰富的低阶连通性模式,这些模式可以在单个节点和边的级别上捕获。然而,复杂网络的高阶组织--在小网络子图的水平上--仍然是未知的。在这里,我们开发了一个通用的框架聚类网络的基础上高阶连接模式。该框架提供了数学保证所获得的集群和规模的网络与数十亿的边缘的最优性。该框架揭示了一些网络中的高阶组织,包括神经网络中的信息传播单元和运输网络中的枢纽结构。结果表明,网络表现出丰富的高阶组织结构,暴露的聚类的基础上高阶连接模式。
2016-12-26 cs.DM cs.SI physics.soc-ph
How to quantify an examination? Evidence from physics examinations via complex networks
本文提出基于复杂网络构建考试知识点网络(KPN)的量化方法,通过分析2006-2020年35份高考物理试卷,揭示其无标度、同配性及社区结构,并利用拓扑量提出难度评估指标Fd,为考试分析与教学改进提供新途径。
2024-07-18 cs.CY physics.ed-ph physics.soc-ph