Sparse Networks with Core-Periphery Structure
我们提出了一个统计模型的核心-外围结构的图。为了做到这一点,我们定义了一个精确的概念,它意味着一个图有这样的结构,基于核心和外围节点的子图的稀疏性。我们提出了一类稀疏图与这样的属性,并提供方法来模拟从这个类,并进行后验推理。我们证明,我们的模型可以检测模拟和真实世界的网络中的核心-外围结构。
2019-10-21 cs.SI physics.soc-ph stat.ME
Spectral density of equitable core-periphery graphs
核心-外围结构是一种新兴的性质,广泛的复杂系统,并表明在系统中存在的一组行动者之间的连接数量较多,连接数量较少,连接稀疏的外围。在给定的图结构上相互作用的复杂系统的动力学与图本身的谱性质密切相关,然而通常很难获得适用于任意大系统的解析结果。最近,一个统计合奏的随机图与一个定期的块结构,即合奏的公平图,已被引入和分析结果已得出的计算困难的背景下,图划分和社区发现。本文给出了一个一般的分析结果,给出了一个新的显式公式的谱密度的核心-外围结构的网络的公平的核心-外围图的系综。
2019-04-08 cs.SI physics.soc-ph
A Clarified Typology of Core-Periphery Structure in Networks
核心-外围结构,即网络由密集的核心和稀疏的外围组成,是各种社会、生物和技术网络的通用描述符。在实践中,不同的核心-外围算法经常被互换地应用,尽管它们可以产生不一致的核心-外围结构描述。例如,两种最广泛使用的算法,k核分解和Borgatti和Everett的经典两块模型,提取了根本不同的结构:后者将网络划分为二进制轴辐式布局,而前者将其划分为分层层次结构。我们引入了一个核心-外围类型来澄清这些差异,以及贝叶斯随机块建模技术来根据这种类型对网络进行分类。从经验上看,网络的核心-外围结构具有丰富的多样性。通过一个详细的案例研究,我们证明了承认这种多样性和定位网络的核心-外围类型学进行特定领域的分析时的重要性。
2020-05-21 cs.CY cs.SI physics.soc-ph
Network nestedness as generalized core-periphery structures
嵌套的概念,特别是生态和经济网络,已被引入作为真正的相互作用系统的结构特征。我们认为,嵌套实际上是另一种方式来表达一个中尺度的网络属性称为核心-外围结构。与真正的生态互惠网络和合成模型网络,我们揭示了嵌套性和核心外围性(类似于核心外围结构)之间的强相关性,通过定义网络级措施的嵌套性和核心外围性的情况下,加权和二分网络。然而,在同一时间,通过更复杂的零模型分析,我们也发现,度(一个节点的连接邻居的数量)分布可能的嵌套性和核心外围参数空间构成了相当严重的限制。因此,在嵌套性和核心-外围结构之间看似明显的关系背后,在网络形成的更基本层面上,一定存在着结构上交织的性质。
2016-02-19 cs.SI physics.data-an physics.soc-ph
Core-Periphery Structure in Networks
网络中的中间尺度(或“中尺度”)结构受到了相当大的关注,因为对这种结构的算法检测使得有可能发现在节点和边缘的局部尺度或在汇总统计的全球尺度上不明显的网络特征。许多类型的中尺度结构可以出现在网络中,但这些功能的调查主要集中在社区结构的识别和研究。在本文中,我们开发了一种新的方法来研究称为核心-外围结构的中尺度特征,这需要识别密集连接的核心节点和稀疏连接的外围节点。与社区相反,核心节点与外围节点的连接也相当良好。我们计算核心-外围结构的新方法可以识别网络中的多个核心,并考虑不同的可能核心。我们说明了我们的方法和几个现有的方法之间的差异,确定哪些节点属于核心,我们使用我们的技术来检查核心外围结构的例子中的友谊,协作,运输和投票网络。
2013-04-02 cond-mat.stat-mech cs.SI physics.soc-ph
Detecting Core-Periphery Structures by Surprise
检测复杂网络中的中尺度结构的存在是至关重要的。这是尤其如此的金融网络,其结构组织深深地影响他们的弹性事件,如违约级联,冲击传播等,已经提出了几种方法,到目前为止,检测社区,即组节点的连接是显着的大。然而,社区并不代表唯一一种表征真实世界网络的中尺度结构:蝴蝶结结构,核心-外围结构和二分结构提供了其他例子。在这里,我们提出了一种新的方法来检测显著的双模结构,即无论是二分或核心外围的。它是基于一个修改的惊喜,最近提出的检测社区。我们的变体允许双模节点划分被揭示,通过让链接被放置在1)核心部分内以及核心和外围部分之间,或者2)只是在二分网络的(空)层之间。从技术的角度来看,这是通过采用多项式超几何分布而不是传统的(二项式)超几何分布来实现的;在后一种情况下,这允许将p值分配给节点的任何给定(bi)分区。为了说明我们的方法的性能,我们报告了其应用于几个现实世界的网络,包括社会,经济和金融的结果。
2019-04-19 cs.SI physics.soc-ph
Identification of core-periphery structure in networks
许多网络可以有效地分解为一个密集的核心加上一个外围的松散连接的外围。在这里,我们提出了一个算法,用于执行这样的分解经验网络数据,使用统计推断的方法。我们的方法适合生成模型的核心-外围结构观察到的数据使用的期望-最大化算法计算模型的参数和计算分解本身的信念传播算法的组合。我们发现该方法是有效的,很容易扩展到网络与一百万或更多的节点,我们测试它的一系列网络,包括现实世界的例子,以及计算机生成的基准,它成功地识别已知的核心外围结构低出错率。我们还证明了该方法是免疫的检测能力的过渡中观察到的相关社区发现问题,防止检测社区结构时,该结构太弱。核心-外围结构不存在这样的转变,尽管存在一些统计误差,但无论它多么弱,都是可以检测到的。
2014-09-16 cond-mat.stat-mech cs.SI physics.soc-ph
Core-Periphery Structure in Directed Networks
虽然网络中的中尺度结构的研究往往集中在社区结构,核心-外围结构可以揭示新的见解。这种结构通常由连接良好的核心和外围组成,外围与核心连接良好,但内部连接稀疏。核心-外围结构的研究大多集中在无向网络上。我们提出了一个概括的核心外围结构的有向网络。我们的方法产生一个家庭的核心-外围块模型配方中的核心和外围集是边缘方向相关的。我们主要集中在一个特定的核心-外围结构组成的两个核心集和两个外围集,我们的经验激励。为了检测这种有向的核心-外围结构,我们提出了四种不同的方法,在计算复杂性和准确性之间进行了不同的权衡。我们评估这些方法的三个基准,并比较四个标准的方法。在模拟数据上,所提出的方法匹配或优于标准方法。将我们的方法应用于三个经验网络-政治博客网络,教师招聘网络和贸易网络-表明这种定向核心-外围结构可以提供有关底层数据集的新见解。
2019-12-02 cs.SI stat.AP
Structure of Core-Periphery Communities
实验表明,社交网络中的社区往往具有核心-外围拓扑结构。然而,人们对社交网络中核心-外围社区的精确结构,包括主体之间的连接结构和交互率,仍然有有限的了解。在本文中,我们使用博弈论的方法来获得一个更精确的表征的核心-外围社区的结构。
2022-07-14 cs.MA cs.SI
Resilience of Core-Periphery Networks in the Case of Rich-Club
核心-外围网络是一种结构,它呈现一组中心且密集连接的节点(即核心)和一组非中心且稀疏连接的节点(即外围)。富俱乐部是指一个集合,其中最高度的节点显示出高密度的连接。因此,显示富人俱乐部的网络可以被解释为核心-外围网络,其中核心由许多枢纽组成。在本文中,我们测试的弹性网络表现出越来越密集的丰富的俱乐部,我们观察到这种结构是如何能够影响网络措施的凝聚力和信息流的效率。此外,我们考虑的情况下,而不是使核心密集,我们添加链接到外围。这两个过程的核心和外围加厚描绘了一个决策过程中放置新的链接,并允许我们进行情景分析,可以帮助理解和监督的复杂网络的弹性的角度来看。这两个程序的优点,以及它们的影响,讨论了网络效率和节点的异质性。
2017-08-24 cs.SI physics.soc-ph
Core-Periphery in Networks: An Axiomatic Approach
最近的证据表明,在世界各地的许多社会中,经济和社会精英的相对规模不断缩小。这是一种自然的社会现象吗?是什么力量塑造了这个过程?我们试图通过研究一个由社会精英组成的核心-精英社会结构来解决这些问题,社会精英是一个相对较小但关系密切且具有高度影响力的群体,社会的其他部分是边缘。在这里,我们提出了一个新的公理为基础的模型的力量之间的精英和外围的相互影响。假设一组简单的公理,捕捉精英的优势,鲁棒性,紧凑性和密度,我们能够得出强有力的结论,精英外围结构。特别是,我们表明,精英和外围之间的权力平衡和精英的规模是次线性的网络规模的精英在社交网络,满足我们的公理的普遍属性。我们注意到,后者是在争议的共同信念,精英规模收敛到一个线性的社会部分(最近声称是1%)。我们伴随着这些发现,对大约100个真实世界的网络进行了大规模的实证研究,这支持了我们的结果。
2014-11-09 cs.SI physics.soc-ph
Centrality metrics and localization in core-periphery networks
在复杂网络中定义了两个中心性概念。第一个考虑节点的中心性,并且已经定义了许多不同的度量(例如,特征向量中心性,PageRank,非回溯中心性等)。第二种是与网络的大规模组织有关,即核心-外围结构,由密集的核心加上外围和松散连接的外围组成。在本文中,我们调查这两个概念之间的关系。我们认为通过随机块模型,或其程度校正的版本,具有强大的核心-外围结构生成的网络,我们调查的核心节点的中心性属性和几个中心性指标来识别它们的能力。我们发现,具有最佳性能的三个措施是与信念传播,PageRank和度中心性获得的边缘,而非回溯和特征向量中心性(或MINRES},表现出相当于后者在大网络限制)在所研究的网络中表现较差。
2015-11-24 cs.SI physics.soc-ph
Inference of Hierarchical Core-Periphery Structure in Temporal Networks
University of California, Los Angeles(加州大学洛杉矶分校);University of Michigan(密歇根大学);KTH Royal Institute of Technology(瑞典皇家理工学院);Stockholm University(斯德哥尔摩大学);Uppsala University(乌普萨拉大学);Santa Fe Institute(圣塔菲研究所)
针对时序网络缺乏核心-边缘检测方法的问题,本文结合多层网络表示、随机块模型与MCMC推断,将层次核心-边缘结构检测推广到时序网络,并在两个真实网络中验证。
2026-10-21 cs.SI math.CO physics.data-an
Hierarchical core-periphery structure in networks
本研究提出适配多种层级核心-边缘结构的灵活网络模型与高效蒙特卡洛拟合方案,在真实数据集上发现三类结构差异并公开实现代码。
2023-01-09 cond-mat.stat-mech cs.SI
Exploring the core-periphery and community structure in the financial networks through random matrix theory
本研究利用随机矩阵理论滤除印度股市指数收益率互相关矩阵的噪声,结合网络理论分析发现市场模式含核心-边缘结构、行业模式含社区结构,且基于全互相关矩阵的投资组合表现更优,深化了RMT的金融应用认知。
2024-10-09 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
A Comprehensive Review of Core-Periphery and Community Detection Paradigms
Indian Institute of Science(印度科学学院);O.P. Jindal Global University(O.P.金达尔全球大学)
本文综述了核心-外围和社区检测范式,分析了其基础概念、最新进展、挑战及在现实网络中的应用。
2025-11-20 cs.SI
Core-Periphery Segregation in Evolving Prisoner's Dilemma Networks
密集的合作网络是繁荣社会的社会资本的基本要素。这些网络使个人能够通过增强信任来克服集体行动的困境。在许多生物和社会环境中,网络结构随着代理人退出关系并建立新关系而内源性地进化。然而,演化动力学导致密集合作网络自组织的过程还没有被探索。我们的大群体囚徒困境实验与退出和合作伙伴的选择选项表明,合作者和叛逃者的核心-外围隔离驱动的合作出现。合作者的"以达换得"和背叛者的"漂泊"策略导致了一个高度不对称的核心与边缘结构。合作者彼此紧密联系,成功地孤立了背叛者,并获得了比背叛者更大的回报。我们的拓扑特征的不断发展的网络的分析阐明了社会资本是如何产生的。
2012-12-09 cs.SI physics.soc-ph q-bio.PE
Communities as Well Separated Subgraphs With Cohesive Cores: Identification of Core-Periphery Structures in Link Communities
网络中的社区通常被认为是高度内聚的子图,它们与网络的其他部分很好地分离。然而,内聚和分离往往不能同时最大化,这就是为什么一些方法寻求折衷的原因。当折衷方案不适合于要解决的问题时,将这两个标准分开可能是有利的。在本文中,我们探索这样一种方法,定义社区以及分离的子图,可以有一个或多个凝聚力的核心周围的外围。我们将这一思想应用于链接社区,并提出了一个算法,用于构建层次化的核心-外围结构的链接社区和第一个测试结果。
2018-10-24 cs.DL cs.SI physics.soc-ph
Center-Periphery Structure in Communities: Extracellular Vesicles
网络中的聚类和社区发现具有广泛的意义,并且已经成为跨越多个领域的广泛研究的主题。我们感兴趣的是一个相对狭窄的问题,即检测由引用链接的科学出版物的社区。这些出版物社区可用于确定形成研究人员社区的具有共同兴趣的科学家。在著名的k-core算法的基础上,我们开发了一个模块化的管道来寻找出版社区。我们比较我们的方法,社区发现广泛使用的莱顿算法的社区发现。使用定量和定性的方法,我们评估社区发现的结果,引文网络组成的超过1400万出版物相关的领域的细胞外囊泡。
2021-11-14 cs.DL cs.SI physics.soc-ph
Density-based and transport-based core-periphery structures in networks
网络通常具有中尺度结构,研究它们可以深入了解结构和功能。最常见的是研究群落结构,但也存在许多其他类型的中尺度结构。在本文中,我们研究的核心外围结构的基础上密度和运输。在这样的结构中,核心网络组件彼此之间以及与外围组件之间都连接良好,而外围组件与任何东西都没有连接良好。我们研究了交通,社会和金融网络的广泛的例子中的核心-外围结构-包括大城市地区的道路网络,兔子沃伦,海豚社交网络,欧洲银行间网络,以及美国各县之间的移民网络。我们说明,最近开发的基于运输的节点核心的概念是非常有用的特征交通网络。我们还概括了这一概念,检查核心与外围边缘,我们表明,由此产生的诊断也是有用的交通网络。为了进一步研究交通网络的性质,我们开发了一个类道路网络的生成模型。我们说明了嵌入空间的维数对交通网络的影响,我们证明了不同类型的网络的不同措施的核心之间的相关性可以是非常不同的。
2014-03-20 cond-mat.dis-nn cs.SI physics.soc-ph
Optimal information diffusion in stochastic block models
我们使用线性阈值模型来研究由随机块模型生成的网络上的信息扩散。我们的分析集中在两个社区的结构,其中初始的一组知情的节点只位于两个社区之一,我们寻找最佳的网络结构,即那些最大限度地提高渐近程度的扩散。我们发现,约束的平均度和最初知情的节点的分数,最佳结构可以是独立的(模块化),核心外围,甚至dispersionative。然后,我们寻找最小的成本结构,即那些最初通知的节点的最小比例是需要触发全球级联。我们发现,最优网络是互补的,但其结构非常接近核心-外围图,即一个非常密集的社区连接到一个更稀疏连接的外围。
2016-05-26 cs.SI physics.soc-ph
A nonlinear spectral core-periphery detection method for multiplex networks
提出一种非线性谱方法,通过交替不动点迭代优化节点和层核心度向量,实现多重网络的核-边缘检测,并具有线性时间复杂度和抗噪性。
2024-05-28 cs.NA cs.SI math.NA
Core-periphery identification in massive networks
Akita International University(秋田国际大学)
针对大规模网络核心-外围结构识别需求,提出基于边列表表示的分治算法,在含1400万条边的真实网络上验证了性能,无需全量加载网络即可高效识别结构。
2026-09-02 cs.SI stat.CO
Constraints on Meso-Scale Structure in Complex Networks
该研究借助块模块度思想探究复杂网络中尺度结构的可检测条件,推导配置模型下核心-边缘等结构的检测不等式,揭示其与分辨率极限、度校正Stochastic Block Model的关联,并讨论两类检测方法的相关问题。
2024-07-14 cs.SI physics.soc-ph
Using Core-Periphery Structure to Predict High Centrality Nodes in Time-Varying Networks
具有高介数和接近中心性的顶点表示网络中有影响力的实体。时变网络的一个重要问题是使用最小的计算先验地知道当前时间步的有影响的顶点是否将在未来的时间步中保持其高中心性,随着网络的发展。在本文中,基于几个大型真实世界的时变网络的经验证据,我们发现了一类网络,其中高度中心的顶点是网络的最内层核心的一部分,并且这种性质随着时间的推移而保持。作为这项工作的一个关键贡献,我们提出了新的算法来识别这些网络在一个最佳的方式,也开发了一个两步算法来预测高中心顶点。因此,我们第一次证明,对于这样的网络,随着网络的变化,在每个时间步中进行昂贵的最短路径计算是完全可以避免的;相反,我们可以使用时间序列模型(例如,ARIMA)来预测当前时间步中的高中心性顶点与未来时间步中的高中心性顶点之间的重叠。此外,一旦新网络及时可用,我们可以简单地根据它们的高度找到顶部核心中的高中心性顶点。
2018-06-20 cs.SI physics.soc-ph
Core-periphery Detection Based on Masked Bayesian Non-negative Matrix Factorization
本文提出掩码贝叶斯非负矩阵分解生成模型,通过成对隶属矩阵和掩码矩阵检测复杂网络中的核-边缘结构,可识别重叠核-边缘对,并在合成与真实网络上验证其优于传统方法。
2024-01-16 cs.SI
Detection of Core-Periphery Structure in Networks Using Spectral Methods and Geodesic Paths
我们介绍了几种新的和计算效率高的方法来检测网络中的“核心-外围结构”。核心-外围结构是一种由密集连接的核心顶点和稀疏连接的外围顶点组成的中尺度结构。核心顶点倾向于在它们自己之间以及到外围顶点都是良好连接的,而外围顶点倾向于不与其他顶点良好连接。我们的第一种方法,这是基于网络中的运输,聚集信息从许多测地线路径在网络中,并产生一个分数为每个顶点,反映了一个顶点是一个核心顶点的可能性。我们的第二种方法是基于网络邻接矩阵的低秩近似,它通常可以表示为张量积矩阵。我们的第三种方法使用随机行走拉普拉斯算子的底部特征向量来推断核心分数和核心和外围顶点的分类。我们还设计了一个目标函数,以(1)帮助将顶点分类为核心或外围顶点,以及(2)为核心与外围顶点的分类提供拟合优度标准。为了检验我们的方法的性能,我们将我们的算法应用于合成生成的网络和从真实世界的数据集构建的各种网络。
2016-11-06 cond-mat.dis-nn cs.DM cs.SI
Phase Transition of the 2-Choices Dynamics on Core-Periphery Networks
考虑网络上的以下过程:每个智能体最初持有蓝色或红色的意见;然后,在每一轮中,每个智能体查看两个随机邻居,如果两者具有相同的意见,则智能体采用它。这个过程被称为2-Choices动态,可以说是社交网络上最基本的非平凡意见动态模型。尽管其明显的简单性,2-Choices已被分析的特点,只有在有限的网络类-在假设的初始配置,建立它作为一个快速多数共识协议。在这项工作中,我们的目标是通过考虑其在一类具有核心-外围结构的网络上的行为,这是社交网络中一个众所周知的拓扑假设,从而有助于理解2-选择动力学。简而言之,假设智能体的一个密集连接的子集,即核心,持有与网络的其他部分不同的观点,即外围。然后,根据核心和外围之间的切割强度,发生相变现象:要么核心的意见在网络的其余部分中迅速传播,要么发生亚稳态阶段,其中两种意见在网络中共存超多项式时间。我们的结果有两方面的意义。一方面,通过将2-Choices动态视为社交网络中意见竞争的简单模型,我们的定理揭示了核心对网络其余部分的影响,作为核心与后者连接的函数。另一方面,我们提供了第一个分析结果,它显示了一个简单的动态网络的结构参数的函数的异质行为。最后,我们通过在真实网络上进行的大量实验来验证我们的理论预测。
2020-11-16 cs.SI physics.soc-ph
Evolving Models for Meso-Scale Structures
现实世界的复杂网络是无标度的,具有核心-外围和社区结构等中尺度特性。我们研究的核心随着时间的推移,在现实世界的网络。本文提出了具有局部和全局核心-外围以及社团结构的未加权和加权无标度网络的演化模型。网络通过拓扑增长、自增长和权值分布函数进行演化。为了验证所提出的模型的正确性,我们使用K壳和S壳分解方法。仿真结果表明,生成的未加权网络服从幂律度分布,具有下垂头和厚尾。类似地,生成的加权网络遵循度、强度和边权重幂律分布。我们进一步研究了复杂网络的其他性质,如聚类系数、最近邻度和强度度相关性。
2015-11-29 cs.SI physics.soc-ph
On Rich Clubs of Path-Based Centralities in Networks
许多无标度网络表现出丰富的俱乐部结构,其中高度顶点形成紧密互连的子图。在本文中,我们探讨了丰富的俱乐部的最短路径为基础的中心性指标的背景下出现。我们称这些连通的高紧密度或高介数顶点的子图为富中心性俱乐部(RCC)。我们在真实世界和合成网络上的实验突出了RCCs,扩展图和网络的核心-外围结构之间的相互关系。我们的经验和理论表明,RCCs存在,如果网络的核心-外围结构是这样的,每个壳是一个扩展图,其密度从内到外壳减少。我们的论文的主要贡献是:(i)我们证明了RCC的形成与核心-外围结构有关,特别是每个壳的扩展器性质,(ii)我们证明了RCC性质可以用来找到有效的种子节点来传播信息和提高网络在扰动下的弹性,最后,(iii)我们提出了一个修改算法,可以在网络中插入RCC,而不影响其其他结构特性。两者合计,这些贡献提出了第一个全面的研究,丰富的俱乐部的属性和应用程序的路径为基础的中心。
2018-08-08 cs.SI physics.soc-ph
Stability evaluation of the Russian sociologists online community: 2011-2018 years
本研究涉及俄罗斯社会学家在线社区的稳定性评估。基于Facebook群组的数据,包括从2011年到2018年的7年通信,我们构建了基于评论和反应的网络。参与者的活动包括四个主要阶段的稳定性评估的社区。块模型揭示了社区中相互作用的结构模式。结果表明,全球经济结构呈现“核心-边缘”型。在评论和反应的网络中,核心和外围的结构是不同的。全球结构中各位置之间的稳定性很高,虽然结构在某些时期可能会有所不同,但核心和外围的规模会波动。然而,根据修改后的Rand指数,全球结构位置的稳定性较低(Cugmas,Ferligoj,2018)。
2021-10-17 cs.SI
A Nonlinear Spectral Method for Core--Periphery Detection in Networks
University of Strathclyde(斯特拉斯克莱德大学)
本文提出了一种非线性谱方法,用于检测网络中的核心-外围结构,通过非线性Perron-Frobenius理论推导并分析了一个新的迭代算法,并在稀疏网络中证明了该算法的全局收敛性,同时提供了新的随机图模型视角以评估核心-外围检测算法。
2019-02-11 cs.NA cs.SI math.NA
Core-periphery Models for Hypergraphs
Cornell University(康奈尔大学)
我们引入了一个核-外围结构的随机超图模型。通过利用我们的模型的足够的统计数据,我们开发了一种新的统计推断算法,能够扩展到大型超图的运行时间,实际上是线性的wrt。在预处理步骤之后,图中的节点数量在超边的数量上几乎是线性的,以及可缩放的采样算法。我们的推理算法能够学习嵌入对应的超图内的节点的声誉(排名)。我们也给出了理论界的大小的核心超图所产生的模型。我们对从Microsoft Academic Graph、Stack Exchange和GitHub挖掘的范围为$\sim 10^5$超边的超图数据进行了实验,并表明我们的模型优于基线wrt。产生良好的配合。
2022-06-01 cs.LG cs.SI
Multiplex core-periphery organization of the human connectome
许多复杂系统的行为是由密集互连的单元的核心决定的。虽然当节点之间的连接都是相同类型时,许多方法可用于识别网络的核心,但仍然缺乏在允许多种类型的连接时定义核心的原则性方法。在这里,我们介绍了一个通用的框架来定义和提取的核心-外围结构的多层网络,明确考虑到在每一层的节点的连接。我们展示了我们的方法如何在具有不同大小,密度和不同层核心之间重叠的合成网络上工作。然后,我们将该方法应用于多路复用的大脑网络,其层编码信息的解剖和人类皮层区域之间的功能连接。结果证实了主要已知枢纽的存在,但也表明存在新的大脑核心区域,这些区域已被先前专门关注结构层的分析所丢弃。我们的工作是人类连接体核心识别的一个进步,有助于揭示现代神经科学中的一个基本问题。
2017-12-23 cs.SI physics.soc-ph q-bio.NC
Global decomposition of networks into multiple cores formed by local hubs
本文提出基于局部枢纽中心性与边修剪的网络分解方法,通过迭代移除局部弱连接节点揭示洋葱状层级和多核心—边缘结构,并结合社群检测实现超节点网络分解。
2025-05-12 cond-mat.stat-mech cs.SI physics.soc-ph
Pseudo-Cores: The Terminus of an Intelligent Viral Meme's Trajectory
理解模因的病毒性可以帮助我们解决与流行病学和数字营销等学科有关的问题。因此,自20世纪90年代中期以来,模因论一直是一个高度分析的研究课题也就不足为奇了。一些科学家选择研究模因的内在传染性,而另一些科学家则从网络理论的角度研究这个问题。在本文中,我们重新审视了核心-外围结构的概念,并将其应用于理解社交网络中病毒模因的轨迹。我们已经提出了基于壳的爬山算法来确定从外围壳(模因的起源)到网络核心的路径。对网络行为特征的进一步模拟和分析帮助我们发现了专门的外壳,我们称之为伪核。这些壳层在触发级联的大小方面模拟核心的行为。在我们的实验中,我们考虑了两组目标节点,一组是核心节点,另一组是任何伪核心节点。我们比较我们的算法对现有的路径查找算法,并验证了更好的性能实验。
2015-10-30 cs.SI physics.soc-ph
Information content: assessing meso-scale structures in complex networks
我们提出了一种新的措施来评估复杂网络中的中尺度结构的存在。该措施是基于网络的邻接矩阵中的规则模式的识别,以及当节点对迭代合并时丢失的信息量的计算。我们展示了这种措施是如何能够量化几个中尺度结构,如模块化,二分和核心外围配置,或图案的存在。对应于一个大的真实网络的结果被用来验证它的能力,以检测非平凡的拓扑模式。
2014-05-17 cs.SI physics.soc-ph
Asymmetric Peer Influence in Smartphone Adoption in a Large Mobile Network
在当今高度动态的移动市场中,了解智能手机的采用模式对电信管理人员至关重要。在本文中,我们利用网络结构和社会网络中的每个人的具体位置来解释和衡量潜在的异质性的作用,通过iPhone 3G的同行影响。我们引入了核心/外围的想法作为一个中观层次的组织原则来研究社会网络,它补充了使用来自全球网络属性(宏观层面)或每个人的本地社会邻里(微观层面)的中心性措施。使用数百万的呼叫详细记录从一个国家的移动网络运营商在一个为期11个月,我们确定重叠的社会社区以及网络中的核心和外围个人。我们的实证分析表明,核心用户施加更大的影响,外围用户,反之亦然。我们的研究结果提供了重要的见解,以帮助确定有影响力的成员在社交网络中,这是潜在的有用的设计最佳的目标策略,以改善目前的基于网络的营销实践。
2016-01-23 cs.CY cs.SI
Percolation and localisation: Sub-leading eigenvalues of the nonbacktracking matrix
针对非回溯中心性局域化导致主导特征值法低估渗流阈值的问题,提出利用具有离域特征向量的次主导实特征值倒数来更准确地估计渗流阈值。
2025-01-29 cs.SI physics.soc-ph
The structure of segregation in co-authorship networks and its impact on scientific production
本研究用SSI划分合作作者网络的隔离类别,对比非隔离与高度隔离社群的结构及引用差异,首次揭示社群隔离与作者引用的关联。
2023-05-03 cs.SI physics.soc-ph
Modeling User Reputation in Online Social Networks: The Role of Costs, Benefits, and Reciprocity
我们分析了一个基于代理的模型来估计用户在在线社交网络(OSN)中的成本和收益如何影响OSN的鲁棒性。收益是根据用户从追随者那里获得的相对声誉来衡量的。它们可以通过相互跟随的直接和间接互惠来增加,这导致了OSN的核心-外围结构。费用涉及登录、维护个人资料等方面的工作,并假定对所有用户都是不变的。OSN的健壮性取决于用户随时间的进入和退出。直觉上,人们会认为更高的成本会导致更多的用户离开,从而导致OSN不那么健壮。我们证明了存在一个最优的成本水平,它最大限度地提高了OSN的性能,通过其用户的长期平均利益来衡量,和OSN的鲁棒性,通过OSN的核心的寿命来衡量。我们的数学和计算分析揭示了成本水平的变化如何影响互惠性以及OSN的核心-外围结构,以解释最佳成本水平。
2019-09-10 cs.MA cs.SI nlin.AO
Quantifying the presence/absence of meso-scale structures in networks
中尺度结构是网络特征,其中具有相似属性的节点被分组在一起,而不是单独处理。在这项工作中,我们提供了正式的和数学的定义三个这样的结构:独立社区,独立社区和核心外围。然后,我们利用这些定义和贝叶斯框架来量化网络中每个结构的存在/不存在。这允许关于网络结构的概率陈述以及组标签和边缘概率的不确定性估计。该方法被应用到现实世界的网络,产生挑衅性的结果有关知名的网络数据集。
2022-03-30 cs.SI stat.ME
Efficient Network Structures with Separable Heterogeneous Connection Costs
Stevens Institute of Technology(史蒂文斯理工学院);Facebook Inc(脸书公司)
本文提出异质连接模型,研究成本异质性对高效网络结构的影响,发现高效网络具有核心-边缘结构,并确定集群系数的下限。
2015-12-11 cs.SI econ.GN physics.soc-ph