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
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
Hot-Get-Richer Network Growth Model
根据优惠附件（PA）网络增长模型迟到者处于不利地位，他们的最终学位。以前的PA扩展已经解决了这一缺陷，要么增加节点的健身PA的概念，通常从一些健身分数分布，或单独使用健身控制附件。在这里，我们引入了一种新的动态方法来解决迟到者通过添加最近的程度变化的偏见PA，使节点具有较高的相对程度变化的时间接近到达节点得到的附件概率提升。换句话说，如果PA描述了一个富-更富的机制，而基于适应度的方法描述了好-更富的机制，那么我们的模型可以被描述为一个热-更富的机制，其中热度由最近的程度变化率决定。所提出的模型产生更晚的高排名的节点比PA模型，并在一定的参数下，产生网络的结构类似于PA网络。
2020-10-16 cs.SI
Condensation phase transition in nonlinear fitness networks
我们分析了凝聚相变在一个统一的框架，其中包括非线性模型和适应度模型作为其适当的限制。我们展示了一种新的相位结构，它依赖于适应度参数和非线性指数。用Bianconi-Barabasi方法证明了网络动力学演化过程中凝聚相变的发生。我们发现，非线性和健身优先附着机制在形成一个有趣的相结构中发挥了重要作用。
2012-12-03 cond-mat.stat-mech cs.SI nlin.AO
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
Time-invariant degree growth in preferential attachment network models
偏好依恋驱动着许多复杂网络的进化。它的分析研究主要考虑最简单的情况，即尽管许多真实网络在加速增长，但网络在时间上均匀增长。出于观察到的平均度增长的节点是时不变的经验网络数据，我们研究的程度动态的优先连接相结合的异构节点的健身和老化的相关类的网络模型。我们提出了一个新的分析框架的基础上所研究的系统的时间不变性，并表明它是自洽的两个特殊的网络增长形式：均匀和指数网络增长。相反，这种时间不变性的破坏解释了某些模型设置中的赢家通吃效应，揭示了比安科尼-巴拉巴西模型中的玻色-爱因斯坦凝聚与超线性优先附着中的类似凝胶化之间的联系。老化是必要的，以重现现实的节点度增长曲线，并可以防止弱条件下的赢家通吃的效果。我们的结果得到了广泛的数值模拟验证。
2020-01-22 cond-mat.stat-mech cs.CY 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
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
Choosing to Grow a Graph: Modeling Network Formation as Discrete Choice
我们提供了一个框架，通过离散选择和随机效用理论，其中每个新的边缘被视为一个节点连接到另一个节点的“选择”，基于（通用）功能的其他节点可用于连接条件多项式logit模型的社会网络的形成建模。这种网络形成的观点统一了现有的模型，如优先连接，三元闭合，节点适应度，这些都是特殊情况下，从而提供了一个灵活的方法来概念化，估计和比较模型。离散选择理论的视角也为分析社会网络的形成提供了几种新的工具;例如，节点特征的重要性可以以统计上严格的方式进行评估，现有模型的混合可以通过适应已知的期望最大化算法来估计。我们展示了我们的框架的灵活性，通过分析一些合成和现实世界的数据集的例子。例如，我们提供了严格的方法来估计偏好连接模型，并展示了如何分离偏好连接和三元封闭的影响。度的重要性的非参数估计显示出高度线性的趋势，我们揭示了仔细观察度为零的节点的重要性。通过研究一个大型引文图的形成，我们发现在考虑年龄时，学位的作用有所增加。
2020-05-21 cs.SI physics.soc-ph
Brand effect versus competitiveness in hypernetworks
基于均匀增长的超网络演化模型已被提出。为了更好地描述实际超网络的生长机制和竞争机制，我们提出了一个基于非均匀生长的模型。除了超度，其他两个重要的因素被引入到偏好连接的基础。一个维度是品牌效应，另一个维度是竞争力。我们的模型可以准确地描述真实超网络的演化。本文分析了该模型，并利用泊松过程理论和连续化技术计算了超网络的平稳平均超度分布。我们还讨论了该模型具有凝聚的极限。理论分析与数值模拟相一致。我们的模型是通用的，因为标准的偏好连接，复杂网络中的适应度模型和超网络中的无标度模型都可以被看作是退化的情况下的模型。
2015-01-25 cs.SI physics.data-an 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
Spatial Strength Centrality and the Effect of Spatial Embeddings on Network Architecture
对于许多网络，将其节点视为嵌入在潜在空间中是有用的，并且这种嵌入可以影响节点彼此相邻的概率。在本文中，我们将现有的合成网络模型扩展到空间网络模型，首先在欧几里得空间中嵌入节点，然后修改模型，以便逐渐变长的边缘以逐渐变小的概率出现。我们首先通过采用高斯分布的适应度扩展地理适应度模型，然后我们开发空间版本的偏好连接和配置模型。我们定义了“空间强度中心性”的概念，以帮助描述空间嵌入对网络结构的影响程度，并研究了各种真实和合成网络的空间强度中心性。
2020-03-16 cond-mat.stat-mech cs.SI math.CO
Natural emergence of clusters and bursts in network evolution
具有优先连接的网络模型，其中新节点被注入到网络中，并与现有节点形成与其当前连接成比例的链接，已经研究了一段时间。已经引入了扩展，其中节点按比例连接到任意适应度函数。然而，在这些模型中，连接到一个节点总是增加该节点在未来获得更多链接的能力。我们研究网络的增长，其中节点按比例连接到现有节点的聚类系数，或三角形的局部密度。与偏好连接或富-更富模型相比，连接到节点通常会降低其聚类系数。这种简单的修改自然会导致各种丰富的现象，包括老化，非泊松突发动力学和社区形成。这个理论模型表明，复杂的网络结构可以生成，而不人为地施加多个动力学机制，并可能揭示潜在的忽视机制存在于复杂系统。
2013-06-25 cond-mat.stat-mech cs.SI nlin.AO
Triadic closure as a basic generating mechanism of communities in complex networks
大多数复杂的社会、技术和生物网络都具有重要的社区结构。因此，复杂网络的社区结构必须被认为是一个普遍的属性，以及这些网络的小世界和无标度属性。尽管在描述真实网络的社区结构方面有很大的兴趣，但没有足够的注意力用于检测能够自发生成社区网络的通用机制。三元闭合是建立新联系的自然机制，特别是在社交网络中。在这里，我们表明，基于简单的三元封闭的网络增长模型自然会导致社区结构的出现，以及节点度的厚尾分布，高聚类系数。社区从最初的随机异质性的链接集中出现，随后是一个周期的增长和分裂。社区是更明显的，稀疏的图，并在连接过程中的链接密度和随机性的高值消失。通过引入一个基于适应度的链接吸引的节点，我们发现了一个新的相变，社区消失的适应度分布的高度异质性，但一个新的介观组织的节点出现，与几个超级枢纽之间共享的节点组，吸引了系统的大部分链接。
2014-12-01 cs.SI 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
Temporal effects in the growth of networks
我们发现，要解释优先连接（PA）的引用网络的增长，人们必须接受，个别节点表现出异质的适应值随时间衰减。虽然以前的PA为基础的模型假设异质性或衰减隔离，我们提出了一个简单的分析治疗模型，结合这两个因素。根据输入假设，所得到的度分布显示出指数，对数正态或幂律衰减，这使得该模型成为建模各种真实系统的合适候选者。
2011-09-26 cond-mat.stat-mech cs.DL cs.SI
Modeling Citation Trajectories of Scientific Papers
文献中已经提出了几种网络增长模型，试图将引文网络的属性。一般来说，这些模型的目标是保持在现实世界的网络中观察到的度分布。在这项工作中，我们将探讨现有的网络增长模型是否可以实现的多样性，在引文增长所表现出的个别文件-一个新的节点为中心的属性最近观察到的引文网络在多个领域的研究。我们从理论和实证上表明，网络增长模型，这是完全基于度和/或内在的适应度不能实现某些时间的增长行为，在现实世界中观察到的引文网络。为此，我们提出了两个新的增长模型，本地化的影响，通过适当的附件机制的文件。在计算机科学和物理学领域的真实引文网络上的实验结果表明，与现有模型相比，本文提出的模型能更好地解释引文网络的时间行为。
2020-02-18 cs.SI physics.soc-ph
Dynamics of node influence in network growth models
在文献中已经提出了许多类的网络增长模型来捕捉真实世界的复杂网络。现有的研究主要集中在这些模型的全局特性，例如，度分布我们的目标是将重点转向从单个节点的角度研究网络增长动力学。在本文中，我们研究如何在网络增长模型中的节点影响力的度量行为随着时间的推移，随着网络的发展。这个度量，我们称之为节点可见性，捕获节点形成新连接的概率。首先，我们对三种流行的网络增长模型进行了调查-偏好连接，添加剂和乘法健身模型;并主要研究“有影响力的节点”或“领导者”，以了解他们的可见性如何随着时间的推移而演变。随后，我们考虑了一个通用的适应度模型，并观察到乘法模型在允许有影响力的节点保持其可见性，同时使新节点在网络中获得可见性之间取得了平衡。最后，我们观察到，一个空间增长模型与乘法健身可以削减有影响力的节点的全球范围内，从而允许出现的“本地领导者”的网络中的多样性。
2020-09-01 cs.IR cs.SI
Learning the mechanisms of network growth
提出一种基于合成数据训练分类器的动态网络模型选择方法，利用新型动态特征实现高精度分类，并应用于引文网络验证优先连接等模型的有效性。
2024-05-27 cs.SI math.PR stat.ML
