Random walk centrality for temporal networks
节点可以根据其在网络中的相对重要性进行排名。基于随机游走的排名算法特别有用，因为它们连接了网络的拓扑和扩散特性。先前基于随机游走的方法，例如PageRank，专注于静态结构。然而，一些现实的网络确实是动态的，这意味着它们的结构会随着时间的推移而变化。在本文中，我们提出了一个基于随机游动的时间网络的中心性度量，我们称之为TempoRank。在静态网络中，随机游动的稳态密度与节点的度或强度成正比，而在时态网络中，随机游动的稳态密度与有效网络的内强度成正比。固定密度还取决于逗留概率q，它调节步行者留在节点中的趋势。我们将我们的方法应用于人类的交互网络，并表明，虽然它是重要的一个节点连接到另一个节点与许多随机游走在正确的时刻（PageRank的原则之一），这种效果是可以忽略不计的，在实践中，当链接激活的时间顺序。
2014-01-22 cs.SI physics.soc-ph
Random walks on temporal networks
许多自然和人工网络都是随着时间的推移而发展的。节点和连接在不同的时间尺度上出现和消失，它们的动态对它们所参与的任何过程都有深远的影响。第一次实证分析的时间模式表征动态网络仍然是最近，所以许多问题仍然悬而未决。在这里，我们研究如何随机游动，动力学过程的范例，展开时间演化网络。为了这个目的，我们使用经验的动态网络的个人之间的联系，并表征的基本量，影响任何一般过程发生在他们身上。此外，我们引入了不同的随机化策略，使我们能够挑出经验网络的不同属性的作用。我们表明，随机游走探索是慢的时间网络比它是在聚合投影网络，即使当时间被适当地重新缩放。特别是，我们指出，在数据中存在的连续接触之间的时间相关性发挥了重要作用。最后，我们解决了许多现实世界的动态网络的内在有限的持续时间的后果。考虑到随机游走过程的基本原型作用，我们相信这些结果有助于揭示时间演化网络上更复杂动力学的行为。
2012-03-13 cond-mat.stat-mech physics.soc-ph
Trip Centrality: walking on a temporal multiplex with non-instantaneous link travel time
在复杂网络中，中心性度量量化了节点的连通性，并确定了信号传输中最重要的节点。在许多现实世界的网络中，特别是在交通系统中，链路是动态的，即它们的存在依赖于时间，并且在两个节点之间旅行需要非零时间。此外，许多网络被构造在若干层上，例如，不同的运输方式或服务提供商。时间概括的中心性指标的基础上步行计数，如卡茨中心性，存在，但他们不占非零链路的旅行时间和多路复用结构。我们提出了一个概括的Katz中心，称为旅行中心，只计算可以根据网络的时间结构，即“旅行”，同时也区分的贡献，层间和层内步行到中心的路径。我们展示了美国航空运输系统的应用程序，特别是计算机场的中心性损失，由于航班网络中的延误。
2019-03-07 cs.SI physics.soc-ph
Separating temporal and topological effects in walk-based network centrality
最近引入的动态可通信性的概念是一个有价值的工具，在时间网络中的节点的重要性排名。两个指标，广播得分和接收得分，被引入到衡量一个节点的中心性相对于一个模型的传染基于时间尊重散步。本文探讨了时间和结构因素影响这些指标，考虑一个通用的随机时间网络模型。我们分析得出公式，以准确地预测预期的广播和接收分数时，一个或多个列的时间边列表被打乱。然后将这些方法应用于两个公开的数据集，我们量化了每个人的中心性取决于结构或时间的影响。从我们的分析中，我们突出了两个实际的贡献：一种方法来控制时间变化时，计算动态可通信性，以及广播和接收分数的结论，可以在一定范围内的情况下，被取代的加权邻接矩阵的矩阵指数的行和列的总和的数据。
2016-09-28 cs.SI physics.soc-ph
Rock-Paper-Scissors Random Walks on Temporal Multilayer Networks
我们研究扩散的多层网络中的节点之间的接触动力学是由一个随机过程和等待时间分布不同的边缘从不同的层。我们研究了不同层的边缘之间自然出现的竞争对随机游走的影响。与先前的研究相反，这些研究已经施加了先验的层间竞争，竞争在这里是由不同层上的活动的异质性引起的。我们首先研究不同的边缘之间的优先关系，并通过不同的层之间的扩展，并表明它确定有偏见的路径的步行者。我们还讨论了出现循环，石头剪刀布随机游动时，层之间的优先级是非传递的。最后，我们用数值方法显示了由于异质多层上的竞争而导致的减速效应，因为步行者可能被困在单层上或定向循环上更长的时间。关键词：随机游动;多层网络;网络动力系统;网络模型;网络模拟;层间竞争。
2018-12-14 cs.SI physics.soc-ph
Random walks in non-Poissoinan activity driven temporal networks
在非马尔可夫动力学的兴趣在复杂系统社区内最近蓬勃发展，由于新的丰富的时间分辨数据指出，许多自然和人类的相互作用，表现在一个连续的相互作用之间的事件间的时间表现出重尾分布的突发动态。特别是，经验数据表明，时间网络的突发动态可能对运行在其上的动态过程的行为产生深刻的影响。在这里，我们研究的情况下，随机游走，作为一个范例的扩散过程，展开的时间网络所产生的非泊松活动驱动的动态。我们推导出解析表达式的稳态占用概率和第一次通过时间分布在无限大的网络规模和强老化的限制，表明非马尔可夫网络的随机游走动力学是根本不同的马尔可夫网络中观察到的。我们发现了一个特别令人惊讶的行为，在发散的平均事件间时间的限制，其中随机步行者感觉网络是均匀的，即使节点的激活概率是不均匀分布的。我们的研究结果得到了广泛的数值模拟的支持。我们预计，我们的研究结果可能是感兴趣的研究人员研究非马尔可夫动态的时间演变复杂的拓扑结构。
2019-04-24 cond-mat.stat-mech physics.soc-ph
Random walker in a temporally deforming higher-order potential forces observed in financial crisis
市场价格波动的基本特性被最近开发的随机游走模型很好地描述在一个时间变形的二次势力，其中心是由过去的价格轨迹的移动平均[Physica A 370，pp 91 -97，2006]。通过对泡沫、崩盘等异常事件的高频金融时间序列的分析，证实了市场中存在非线性势能。我们通过应用信息准则证明了它的存在性的统计意义。这种新的时间序列分析有望广泛应用于随机现象中的非平稳征兆的检测。
2008-11-27 physics.data-an physics.soc-ph q-fin.GN
Urban Segregation on multilayered transport networks: a random walk approach
提出基于多层交通网络、随机游走与 Lévy flights 的城市隔离指数，纳入时间约束并通过玩具模型和昆卡案例验证其交通规划价值。
2023-09-25 physics.soc-ph
Structural and temporal heterogeneities on networks
非均质连续时间随机游走是一种在微观和宏观尺度上研究和模拟非均质结构中扩散过程的分析形式。在本文中，我们研究分析和数值的影响，时空异质性的扩散动力学上不同类型的网络。我们调查的第一次通过时间的分布是如何影响的全球拓扑网络的属性和异质性的旅行时间的分布。特别地，我们分析了随机网络的输运性质，并基于首次通过特征定义了网络测度。非均匀连续时间随机游走框架在生物学、社会和城市科学、最优运输性质的搜索、运输网络中非均匀性或突发性影响的分析等方面具有潜在的应用。
2018-11-14 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
SI-spreading-based network embedding in static and temporal networks
链接预测可以用来提取缺失信息、识别虚假交互以及预测网络演化。网络嵌入是一种在低维向量空间中为节点分配坐标的方法。通过将节点嵌入到向量中，可以将链接预测问题转换为相似性比较任务。具有相似嵌入向量的节点更有可能被连接。经典的网络嵌入算法是基于随机游走的。它们通过随机游走对轨迹路径进行采样，并从轨迹路径生成节点对。节点对集合还被用作Skip-Gram模型的输入，Skip-Gram模型是将节点（被认为是词）嵌入到向量中的代表性语言模型。在本研究中，我们提出了一个传播过程，即易感染（SI）模型，以取代随机行走过程的样本路径。具体来说，我们提出了两个SI扩展为基础的算法，SINE和TSINE，分别嵌入静态和时间网络。通过缺失链接预测任务与最先进的静态和临时网络嵌入算法进行比较，评估我们算法的性能。结果表明，SINE和TSINE在所有六个经验数据集上都优于基线。我们进一步发现，SINE的性能大多优于TSINE，这表明时间信息并不一定会改善缺失链接预测的嵌入。此外，我们研究了采样大小的效果，量化为轨迹路径的总长度，嵌入算法的性能。与基线算法相比，SINE和TSINE的更好性能需要更小的采样大小。因此，基于SI扩展的嵌入往往更适用于大规模网络。
2020-04-14 cs.SI 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
Exposure theory for learning complex networks with random walks
随机游动是探索和发现复杂网络的常见模型。虽然已经提出了许多算法来绘制一个未知的网络，但一个互补的问题出现了：在一个已知的网络中，哪些节点和边最有可能在有限时间内被随机步行者发现？在这里，我们介绍了曝光理论，一个统计力学框架，预测在几种类型的网络，包括加权和时间的节点和边缘的学习，并显示边缘学习遵循一个普遍的轨迹。虽然单个节点和边的学习是嘈杂的，但暴露理论产生了对聚合探索统计的高度准确的预测。
2022-02-23 cond-mat.stat-mech cs.SI physics.soc-ph
Temporal stability of network partitions
我们提出了一种方法来找到最好的时间分区在任何时间尺度和排名的相关性分区发现在不同的时间尺度。该方法是基于随机游走与网络共同进化，因此构成了一个推广的分区稳定性的情况下，时间网络。我们发现，当应用到一个玩具模型和真实的数据集，时间稳定性揭示了结构，是持久的有意义的时间尺度以及重要的孤立事件，使其成为一个有效的工具来研究网络介观结构的突变和逐渐演变。
2014-08-07 cs.SI physics.soc-ph
Time-Dependent Random Walks and the Theory of Complex Adaptive Systems
受复杂适应系统理论中新结果的启发，我们分析了跳跃概率为{ \it时间依赖}的随机游动的动力学。我们确定的生存概率存在的吸收边界。对于无偏行走的生存概率最大化的情况下，大的时间振荡的跳跃概率。另一方面，漂移到吸收边界的随机行走者在恒定的跳跃概率下表现最好。我们使用的结果，以揭示负责的自我隔离和集群现象中观察到的进化少数人游戏的基本动力。
2002-12-03 cond-mat gr-qc nlin.AO
Modeling temporal networks using random itineraries
我们提出了一个程序来生成动态网络突发，可能重复和相关的时间行为。考虑到任何加权有向图都是由其节点之间的路径的积累组成的，我们的构造使用可变长度的随机游走来产生具有可调整特征的时间扩展结构。首先在一个总体框架中描述该过程。然后，它说明了在一个案例研究的启发，交通系统所产生的合成网络显示准确地模仿经验现象。
2013-03-18 cond-mat.stat-mech cs.SI physics.soc-ph
Burstiness and spreading on temporal networks
我们讨论了时间网络上的传播过程如何受到事件间时间分布形状的影响。通过简单的数学论证和玩具例子，我们发现关键因素是事件发生的顺序，这一属性往往受到大部分分布的影响，而不仅仅是像文献中通常认为的那样受到它们的尾部的影响。我们表明，在复杂网络中观察到的时间模式的详细建模可以显着改变的传播过程的属性，如遍历的随机游走过程或持久性的流行病。
2013-05-02 cs.SI physics.soc-ph q-bio.PE
