A Map Equation with Metadata: Varying the Role of Attributes in Community Detection
大部分社区发现文献研究的是结构化社区，即仅由网络的连接模式定义的社区。通常，网络包含可以通知社区发现的附加元数据，诸如高中社交网络中的学生的年级和性别。在这项工作中，我们引入了一个调整参数的内容地图方程，允许用户的信息地图社区发现算法来控制元数据的相对重要性，以确定网络结构。在合成网络上，我们表明，我们的算法可以克服结构检测能力的限制时，元数据是良好的社区结构对齐。在现实世界的网络中，我们展示了我们的算法如何实现更大的互信息的元数据在传统的地图方程的成本。我们的调优参数，就像显微镜的聚焦旋钮，允许用户对社区进行“放大”和“缩小”，并对元数据进行不同程度的关注。
2019-09-22 cs.SI physics.data-an physics.soc-ph
On Varying Topology of Complex Networks and Performance Limitations of Community Detection Algorithms
复杂网络挖掘和分析中研究最多的问题之一是社团结构的发现。该问题由于其高实用性和在各个领域的众多应用而受到研究人员的广泛研究。针对社区发现问题，已经提出了许多算法解决方案，但寻找最佳算法的探索仍在进行中，研究人员往往专注于开发快速准确的算法，这些算法可以普遍应用于各种领域的网络，而不考虑这些网络的结构和拓扑变化。在本文中，我们评估了不同聚类算法随不同网络拓扑变化的性能。除了著名的LFR模型来生成具有社区的基准网络外，我们还提出了一个新的模型Naive Scale Free Model来研究社区发现算法在不同拓扑特征下的行为。更具体地说，我们感兴趣的是网络的大小，社区结构的大小，节点的平均连通性和集群内边缘的比率。结果显示，目前流行的网络聚类算法无法正确地发现社区的几个局限性。这表明需要重新审视当前聚类算法的设计，这些算法未能结合不同网络的不同拓扑特征。
2016-07-28 cs.SI physics.soc-ph
Community-Size Biases in Statistical Inference of Communities in Temporal Networks
Southern Methodist University（南方卫理公会大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Santa Fe Institute（圣塔菲研究所）
本文提出了一种新的统计模型，用于减少时间网络中社区大小偏差，以更准确地识别社区结构。
2026-01-22 cs.SI physics.soc-ph stat.ME
Spectral Multi-scale Community Detection in Temporal Networks with an Application
Imperial College London（帝国理工学院）；King’s College London（伦敦国王学院）
时间网络的分析在技术进步的世界中具有广泛的应用领域。时序网络分析的一个重要方面是发现社区结构。真实的数据网络通常非常大，并且观察到社区具有称为多尺度社区的层次结构。随着时间的推移，群落结构的变化可能发生在群落结构的一个尺度上，也可能发生在所有尺度上。介绍的模块化最大化（MM）方法的多层配方捕捉不断变化的多尺度的时间网络的社区结构。该方法通过允许层间连接来引入相邻时间层中的社区之间的耦合，而分辨率参数的不同值使得能够检测多尺度社区。但是，必须手动选择此参数值的范围。在处理真实生活数据时，如果没有选择适当的参数范围，一个或多个尺度上的社区可能会被发现。一种新的时间多尺度社区检测方法（TMSCD）克服了上述障碍。这是通过使用表示为多层网络的时间网络的频谱特性来实现的。在这个框架中，我们自动选择的范围内寻求多尺度社区分区的相关尺度。
2019-01-29 cs.LG cs.SI physics.soc-ph
Efficient community detection of network flows for varying Markov times and bipartite networks
网络流的社区发现通常假设链路上的一步动态。对于稀疏网络和对大规模结构的兴趣，更长的时间尺度可能更合适。但是，对于大型网络和对小规模结构的兴趣，较短的时间尺度可能更好。然而，目前的方法分析网络在不同的时间尺度需要昂贵的，往往是不可行的网络重建。为了克服这个问题，我们引入了一种方法，利用映射方程的内部工作原理，并避免了重建步骤。这使得可以在不同的马尔可夫时间有效地分析大型网络，而无需额外的开销成本。该方法还避免了昂贵的单部投影识别流模块的二部网络。
2016-03-19 cs.SI physics.soc-ph
Linking Through Time: Memory-Enhanced Community Discovery in Temporal Networks
IMT School for Advanced Studies（意大利高等研究院）；Lorentz Institute for Theoretical Physics（洛伦兹理论物理研究所）；INdAM-GNAMPA Istituto Nazionale di Alta Matematica（意大利高等数学国家研究所）
本文提出一种基于新型模块度函数的记忆增强社区发现方法，通过降低检测阈值提升社区质量，并在实世界数据中验证其有效性与鲁棒性。
2024-02-15 physics.soc-ph
Characterizing the temporally stable structure of community evolution in intra-urban origin-destination networks
本文提出共识OD网络与时间稳定社区分解方法，利用武汉出租车数据识别出覆盖82.9%区域的稳定群体，揭示核心与外围结构及其空间和功能特征，为城市划分与治理提供依据。
2023-09-22 physics.soc-ph
Modeling sequences and temporal networks with dynamic community structures
在不断发展的复杂系统中，如空中交通和社会组织，集体效应产生于其许多组成部分的动态相互作用。虽然动态交互可以用具有随时间变化的节点和链接的时间网络来表示，但它们仍然非常复杂。因此，经常需要使用提取时间网络的大规模动态社区结构的方法。然而，这样的方法受到过拟合或遭受任意的，先验强加的时间尺度的影响，而不是从数据中提取。在这里，我们同时解决这两个问题，并开发一个原则性的数据驱动的方法，确定相关的时间尺度，并确定发生在网络上的动态模式，以及塑造网络本身。我们的方法基于一个任意阶马尔可夫链模型与社区结构，并开发了一个非参数贝叶斯推理框架，确定最简单的这样的模型，可以解释时间交互数据。
2017-09-20 cond-mat.stat-mech cs.SI physics.soc-ph
Multi-scale Community Detection in Temporal Networks Using Spectral Graph Wavelets
谱图小波在网络中引入了尺度的概念，因此用于从每个节点获得网络的局部视图。通过对这些小波构造一个小波滤波函数，已经发展出了一种多尺度的单一网络社团检测方法。这种构造利用了网络拉普拉斯算子的划分特性。在本文中，我们阐述了一种新的方法，使用谱图小波检测多尺度社区的时间网络。为了做到这一点，我们通过采用多层框架扩展谱图小波的定义到时间网络。我们使用参数扰动理论研究超拉普拉斯矩阵的谱特性，用于时间网络的聚类目的。利用这些属性，我们构建了一个新的小波滤波函数，它衰减的影响，无信息的特征值和中心的过滤器周围的特征值，其中包含信息的粗略描述的流行的社区结构随着时间的推移。我们使用谱图小波作为特征向量的连通性约束聚类过程中检测多尺度社区在不同的尺度，并将这种方法称为时间多尺度社区检测（TMSCD）。我们验证的性能TMSCD和竞争的方法在各种基准。TMSCD的优点是自动选择应寻求社区的相关尺度。
2017-08-14 cs.SI physics.soc-ph stat.ME
Detecting the community structure and activity patterns of temporal networks: a non-negative tensor factorization approach
随着时间网络数据可用性的不断提高，人们需要对时间网络中的介观结构进行提取和表征，并将这种结构与系统的特定功能或属性联系起来。一个突出的挑战是扩展静态网络的结果随时间变化的网络，其中系统的拓扑结构和其组件的时间活动模式交织在一起。在这里，我们研究使用潜在的因子分解技术，非负张量因子分解，提取时间网络的社区活动结构。该方法本质上是时间性的，可以同时识别社区并跟踪其活动。我们将时间网络的时变邻接矩阵表示为三向张量，并将此张量近似为可以解释为具有相关活动时间序列的节点社区的项的总和。我们总结了已知的张量分解的计算技术，并讨论了一些质量指标，可用于调整的复杂性的因式分解表示。随后，我们将张量因式分解应用到一个时间网络中，对于该网络，社区结构和时间活动模式都可以使用地面实况。我们使用的数据描述了学生在学校的社会互动，学生和学校班级之间的关联，以及学生随时间的时空轨迹。我们表明，非负张量因式分解是能够恢复的类结构具有高精度。特别地，所提取的张量分量可以被验证为已知的学校班级，或者根据相关的活动模式，即，由已知的学校活动时间表确定的空间和时间巧合。
2013-11-05 cs.SI physics.soc-ph
Community Detection in Social Network using Temporal Data
社交网络促进了参与者或用户之间有联系的社交空间。这种联系及其模式是基于他们的生活方式和交流方式。同样，在Facebook、Twitter、Myspace等在线社交媒体网络中，多个用户属于多个特定社区。社交网络表示大型现实世界定向社交图。从这些图中检测社区或集群是一个相当大的研究兴趣的问题。使用具有共同边和共同属性的相邻节点形成社区。现有的大多数社区发现算法通常考虑节点内容来分析社区的属性。一些算法使用节点之间的链接来确定图中的密集区域。但是，由于传统的顶点和边数据提取方法没有考虑节点间的连通性，同时利用边内容和顶点内容来检测社区还有待研究和验证。本文提出了一种互联空间聚类模型（Interlinked Spatial Clustering Model，ILSCM），该模型提供相关内容选择和时间主题提取，用于基于上下文关键字识别节点之间的介数，从而检测社区。
2019-04-10 cs.SI physics.soc-ph
Detecting Stable Communities in Link Streams at Multiple Temporal Scales
链接流模型在广泛的领域中随着时间的推移进行交互。在这种模式下，面临的挑战是有效地挖掘时间和拓扑结构。社区发现和变化点检测是分析这种不断变化的相互作用的最有力的工具之一。在本文中，我们建立在这两个检测稳定的社区结构，确定有意义的社区内的变化点。与现有的动态社区发现算法不同，该方法能够在多个时间尺度上有效地发现稳定的社区。我们测试了我们的方法在合成网络上的有效性，以及从真实社交网络中提取的高分辨率时变网络的联系人。
2019-07-24 cs.SI physics.soc-ph
Temporal prediction of epidemic patterns in community networks
以往关于复杂网络上流行病动力学的大多数研究都假设疾病最终会稳定在无病状态或地方病状态。然而，实际上，某些流行病在一个地区总是表现出零星和复发的行为，因为其他地方的地方病人群入侵。在本文中，我们解决了这个问题，并研究了一个网络上的两个社区，其中疾病是地方性的，但在另一个社区之间的交替爆发和预防的传染病模型。我们提供了一个详细的描述在后者社区的流行模式的时间动态。特别是，我们调查的爆发和灭绝的持续时间，两个连续的社区间感染的时间间隔，以及它们的频率分布。基于平均场论，我们从理论上分析了这三个时间尺度及其对每个社区的平均节点度、传播参数和社区间链接数的依赖关系，除了连续爆发之间重叠的概率太大之外，这与模拟结果吻合得很好。这些发现有助于我们更好地了解疾病在当地社区传播的突发性，从而提出有效的时间依赖性控制策略。
2013-11-17 cond-mat.stat-mech cs.SI physics.soc-ph
Temporal Structure Mediates the Robustness and Collapse of Plant-Pollinator Networks
Helmholtz Institute for Functional Marine Biodiversity at the University of Oldenburg（奥尔登堡大学赫尔霍兹功能海洋生物多样性研究所）；Alfred Wegner institute（阿尔弗雷德·韦格纳研究所）；Institute for Chemistry and Biology of the Marine Environment（海洋环境化学与生物研究所）
本文通过构建考虑季节更替和时间交互的结构模型，揭示时间结构如何组织社区多样性，影响系统在高、低多样性状态间的过渡性质及鲁棒性。
2026-04-08 physics.soc-ph q-bio.PE
Unraveling the Temporal Importance of Community-scale Human Activity Features for Rapid Assessment of Flood Impacts
本研究的目的是探讨社区规模的人类活动特征的时间重要性，快速评估洪水的影响。最终的洪水影响数据，如洪水淹没地图和保险索赔，只有在洪水退去后的几周和几个月才能获得。然而，危机应对管理人员需要接近实时的数据来确定应急响应的优先级。这一时间滞后导致需要进行快速洪水影响评估。最近的一些研究表明，使用人类活动波动作为洪水影响指标的结果很有希望。然而，现有的研究，主要是使用一个单一的社区规模的活动功能，估计洪水的影响，并没有调查其时间的重要性，表明洪水的影响。因此，在这项研究中，我们研究了不同的人类活动特征在不同的洪水事件阶段的重要性。使用四个社区规模的大数据类别，我们得出了与人类活动变化相关的十个特征，并评估了它们在快速评估洪水影响方面的时间重要性。使用多个随机森林模型，我们研究了每个特征在指示2017年德克萨斯州哈里斯县飓风哈维的洪水影响程度方面的时间重要性。我们的研究结果表明：1）人类活动指数和拥堵道路百分比的波动是响应和恢复阶段快速洪水影响评估的最重要指标; 2）信用卡交易的变化处于中等水平; 3）地理定位社交媒体帖子（Twitter）的模式在洪水阶段的重要性较低。这项研究的结果可以迅速形成一个多功能工具，使危机管理人员能够确定在不同阶段具有严重洪水影响的热点，然后规划和优先考虑有效的应对策略。
2021-06-21 cs.SI physics.soc-ph
Small-world behavior in time-varying graphs
复杂网络中的连接固有地随时间波动，并且比基于标准静态图测量的分析所能捕获的维度更多。在这里，我们引入时间路径和距离的概念，在时间变化的图形。我们定义为时间小世界的时变图中的链接是高度聚集的时间，但节点是在小的平均时间距离。我们探索的小世界行为的合成时变网络的移动代理，并在现实的社会和生物时变系统。
2010-05-18 physics.soc-ph
Community Aware Temporal Network Generation
本文提出一种社区感知的时间网络生成方法，通过节点社区标签构建替代网络以复现不同社区间交互的时间演化，并在多个面对面交互数据集上验证了生成网络的结构相似性。
2025-06-05 cs.SI physics.soc-ph
Community detection in temporal multilayer networks, with an application to correlation networks
网络是表示交互实体的复杂系统的方便方式。许多网络包含节点的“社区”，这些节点彼此之间的连接比网络中其他节点的连接更密集。在本文中，我们研究了在时间网络表示为多层网络的社区检测。作为一个焦点的例子，我们研究时间依赖的金融资产相关网络。我们首先认为，使用“模块化”质量函数-这是通过比较观察到的网络中的边缘权重和“空网络”中的预期边缘权重来定义的-是依赖于应用的。在模块化最大化的讨论中，我们区分了“空网络”和“空模型”，并强调了同一个空网络可以对应不同的空模型。然后，我们研究了一个多层模块化最大化问题，以确定社区的时间网络。我们的多层分析只依赖于最大化问题的形式，而不依赖于所选择的特定质量函数。我们引入了一个诊断来衡量社区结构的\emph{persistence}的多层网络分区。我们证明了几个结果，描述了多层最大化问题的措施之间的权衡静态社区结构层和更大的值跨层的持久性。我们还讨论了一些计算问题，流行的“鲁汶”启发式面临的时间多层网络，并建议如何减轻他们。
2017-12-24 cs.SI nlin.AO physics.soc-ph
Highly engaging events reveal semantic and temporal compression in online community discourse
基于 Reddit 对话数据，研究发现高参与度现实事件会引发在线社区话语的语义和时间压缩，表现为词汇重复、节奏加快和情绪增强，且该模式在多种事件中普遍存在。
2025-02-21 cs.CY cs.SI physics.soc-ph
Time-Varying Graphs and Social Network Analysis: Temporal Indicators and Metrics
Carleton University（卡尔顿大学）；University of Siena（锡耶纳大学）；University of Ottawa（渥太华大学）；IRIT-CNRS（法国国家科学研究中心图卢兹计算机研究所）
大多数用于社交网络分析的工具--形式主义、概念和度量--都无法捕捉它们的动态。典型的系统表现出不同尺度的动力学，从相互作用的细粒度动力学（最近导致研究人员考虑距离，连通性和相关指标的时间版本）到网络属性在较长时间内的演变。本文提出了一种通用的方法来研究，分别基于序列的静态图和序列的时变图，覆盖连续的时间窗口的非时间和时间指标的演变。所有的概念和指标，其中一些是新的，表示使用随时间变化的图形形式主义。
2011-02-03 cs.AI cs.DC cs.SI
Epidemic spreading in modular time-varying networks
我们研究模块和时间连接模式对传染病传播的影响。为此，我们介绍和解析地描述了一个具有可调模块性的时变网络模型。在此框架下，我们研究了易感-感染-易感（SIR）模型的流行规模和易感-感染-易感（SIS）模型的流行阈值。有趣的是，我们发现，虽然紧密连接的集群的存在抑制SIR过程，它加速SIS疾病。在这种情况下，我们观察到，异构的时间连接模式和模块化结构引起的阈值降低随时间变化的网络没有社区。我们确认的理论结果，通过广泛的数值模拟合成图，以及在一个真正的模块化和时间网络。
2017-10-03 physics.soc-ph
A Spatial-temporal Graph Deep Learning Model for Urban Flood Nowcasting Leveraging Heterogeneous Community Features
Texas A&M University（德克萨斯A&M大学）
本研究的目的是通过整合基于物理和人类感知的特征，开发和测试一种新的结构化深度学习建模框架，用于城市洪水临近预报。我们提出了一个新的计算建模框架，包括基于注意力的时空图卷积网络（ASTGCN）模型和不同的数据流，这些数据流是实时收集的，预处理的，并输入到模型中，以考虑空间和时间信息以及改善洪水临近预报的依赖关系。计算建模框架的新颖性有三个方面：首先，由于空间和时间图卷积模块，该模型能够考虑淹没传播中的空间和时间依赖性;第二，它能够捕获可以发出洪水状态信号的异质时间数据流的影响，包括基于物理的特征，如降雨强度和水位，以及人类感知的数据，如洪水报告和人类活动的波动。第三，它的注意力机制使模型能够将注意力集中在动态变化的最有影响力的特征上。我们展示了建模框架在德克萨斯州哈里斯县的应用，作为案例研究和飓风哈维作为洪水事件。结果表明，该模型对城市洪水淹没的临近预报具有较好的预测性能，准确率为0.808，召回率为0.891，与其他一些新模型相比，具有更好的预测性能。此外，当将异构动态特征添加到仅依赖于基于物理特征的模型中时，ASTGCN模型的性能得到改善，这表明使用异构人类感知数据进行洪水临近预报的前景，
2021-11-17 cs.LG physics.soc-ph
Quantifying the effect of temporal resolution on time-varying networks
时变网络描述了一系列广泛的系统，其组成和相互作用随时间而演变。它们由节点之间的有序交互流定义，但它们通常用一系列静态网络来表示，每个静态网络聚合了在Δt大小的时间间隔内存在的所有边和节点。在这项工作中，我们量化了任意Δt对时变网络上发生的动态过程描述的影响。我们专注于初等随机游走，并提出了一个简单的数学框架，很好地描述了在真实数据集上观察到的行为。时间积分技术引入的偏差的分析描述代表了一个步骤，在正确表征动态过程的时变图。
2013-10-22 cond-mat.stat-mech cs.SI physics.soc-ph
The spreading of computer viruses on time-varying networks
社交网络是计算机病毒传播的主要渠道。然而，他们的传播研究忽视了社会互动的时间性质和用户的敏感性的异质性。在这里，我们介绍一个理论框架，捕捉这两个属性。我们研究了两种现实类型的病毒传播的时间网络具有Q类的易感性，并推导出入侵阈值分析。我们发现，类别的时间耦合可能会增加系统对网络威胁的脆弱性。我们的研究结果表明，网络的动态和它们与用户特征的相互作用是计算机病毒传播的关键。
2019-01-20 physics.soc-ph
Characterization of interactions' persistence in time-varying networks
许多复杂的网络系统在其顶点之间表现出易变的动态相互作用，其顺序和持久性对发生在其上的动态过程的结果产生影响。为了量化和表征时变网络快照的相似性-持久性的代理，-我们提出了一个研究的持久性的相互作用的基础上的描述符命名为\emph{temporality}。我们使用时间性的平均值$\overline{\mathcal{T}}$来评估"\emph{special}"在有序快照序列的配置空间内是如何给定时变网络的。我们分析了几个经验网络的时间性，发现经验序列比随机序列更相似。我们还研究了相互作用发生时的（时间）分辨率对$\overline{\mathcal{T}}$的影响。
2023-01-16 physics.soc-ph
Flow stability for dynamic community detection
许多系统表现出复杂的时间动态，由于同时发生的不同过程的存在。在这样的系统中，一个重要的任务是提取一个简化的视图，其时间依赖的相互作用网络。时间网络中的社区检测通常依赖于时间窗口上的聚合或考虑不同平稳时期的序列。对于基于动力学的方法，试图推广静态网络方法也面临着根本的困难，即动态的稳态并不总是存在。在这里，我们推导出一种方法的基础上演变的时间网络上的动态过程。我们的方法允许动态，不达到稳定状态，并揭示了两组社区为一个给定的时间间隔，占排序的边缘在向前和向后的时间。我们表明，我们的方法提供了一种自然的方式来解开不同的动力学尺度存在于一个系统与合成和现实世界的例子。
2022-05-20 cs.SI math.DS physics.data-an
The structured backbone of temporal social ties
在许多数据集中，关于系统结构和时间性的关键信息与噪声和非必要元素共存。例如，在网络系统中，一些边缘可能是不必要的，或者只是偶然存在的。过滤它们并提取一组相关的连接，“网络骨干”，是一个不平凡的任务，到目前为止提出的方法不解决时间分辨网络，其可用性在最近几年大大增加。我们在这里开发了这样一种方法，通过定义一个适当的时间网络空模型，它计算节点在控制其活动后随时连接的随机机会。这使我们能够在任何统计显著性水平上识别出具有比预期更多交互的节点对：这些节点形成了重要联系的骨干。我们将我们的方法应用于社会经济利益的经验时间网络，发现（i）在给定的统计显著性水平下，我们的方法比考虑时间聚合网络的方法识别出更重要的联系，以及（ii）当存在社区结构时，最重要的联系是社区内边缘，这表明社区间边缘的权重可以由随机交互的零模型来解释。最重要的是，我们的过滤方法可以为更复杂的结构（如同时交互的三元组）分配重要性，而基于静态表示的方法则无法这样做。引人注目的是，我们发现，显着的三面体不等于三角形组成的三个显着的边缘。我们的研究结果暗示了新的方法来表示时态网络，用于数据驱动的模型和匿名保护的方式。
2018-08-29 physics.soc-ph
Intrinsically Dynamic Network Communities
网络社区发现算法最近已经扩展到动态数据。这些最新的方法的目的是展示社区分区从连续的图形快照，然后连接或平滑这些分区使用聪明的时间相关的功能和采样技术。然而，这些方法实现的是纵向的而不是动态的社区发现。我们假设社区从根本上定义为一组节点之间随着时间的推移重复的交互。根据这一定义，通过考虑连续快照来分析数据会导致信息的重大损失：我们认为它模糊了本质上是动态的现象-例如基于重复的跨时间交互的社区，节点从一个社区切换到另一个社区，或者社区生存的可能性，而其成员在较长的时间内被整体取代。我们提出了一种形式主义，旨在解决这个问题的背景下，时间导向的数据集（如引文网络），并提出了几个插图的经验和合成的动态网络。我们最终引入内在的动态指标，以限定时间的社区结构，并强调其可能的作用作为估计的质量的社区发现-考虑到这样一个事实，即各种经验的背景下可能需要不同的“社区”的定义和检测标准。
2011-11-08 cs.SI physics.soc-ph
Online detection of temporal communities in evolving networks by estrangement confinement
时间社区是在一个不断发展的复杂网络的多个快照中对节点进行一致划分的结果，它可以帮助揭示网络中密集的集群如何随着时间的推移而出现、组合、分裂和衰退。目前的方法，在一个单一的快照中找到社区是不直截了当地推广到寻找时间社区，因为用于寻找静态社区的质量函数具有高度退化的景观，并最终分区中选择的许多分区的类似质量是高度敏感的网络中的小变化。为了可靠地检测时间社区，我们不仅需要在给定的快照中找到一个好的社区分区，而且还需要确保它与之前的快照中找到的分区具有一些相似性。我们提出了一种新的措施，分区距离称为“疏远”的动机节点间的关系，当纳入到分区质量的测量，有利于检测有意义的时间社区的惯性。具体来说，我们提出了疏远限制方法，它假设社区中的相邻节点更愿意继续分享社区的联系，随着网络的发展。约束疏远使我们能够找到有意义的时间社区在不同程度的时间平滑在不同的现实世界的数据集。具体来说，我们研究了美国国会参议员投票行为的演变，人类移动数据集中邻近度的演变，以及合成网络中难以找到的进化社区的检测。因此，疏远限制提供了一个原则性的方法来发现不断发展的网络中的时间社区。
2012-03-22 cond-mat.stat-mech cs.SI physics.soc-ph
Emerging Activity Temporal Hypergraph: a model for generating realistic time-varying hypergraphs
Aix Marseille Univ, Université de Toulon, CNRS, CPT, Turing Center for Living Systems（艾克斯-马赛大学、土伦大学、法国国家科学研究中心、理论物理中心、生命系统图灵中心）
本文提出新兴活动时序超图模型EATH，通过节点独立活动动态与记忆机制生成保留经验数据统计特征的合成时变超图，并验证其在高阶传染模拟和可调性质生成中的有效性。
2025-10-13 cs.SI physics.data-an physics.soc-ph
Temporal-varying failures of nodes in networks
我们考虑的网络中，随机游走者被删除，因为特定节点的故障。我们将损失率解释为节点重要性的度量，这一概念我们称为故障中心性。我们表明，节点的度不足以确定该度量，并且在一级近似中，必须考虑通过节点的最短循环。我们提出了近似的故障中心性，这是有效的随时间变化的故障，我们详述外部改变节点的相对重要性在一个给定的网络中的可能性，通过利用一个节点的循环和故障的时间模式的周期之间的干扰。在长故障周期的限制，我们分析表明，在一个节点的逃逸大于一个随机故障估计具有相同的故障概率。我们测试我们的一般形式主义在两个现实世界的网络（航空运输和电子邮件用户），并显示社区如何导致偏离预测的枢纽故障。
2015-07-07 cs.SI physics.data-an physics.soc-ph
From calls to communities: a model for time varying social networks
社会互动随时间变化，似乎是由内在机制驱动的，这反过来又塑造了社会网络的新兴结构。大规模的社会互动结构的实证观察最近才成为可能，建模其动态是一个实际的挑战。在这里，我们提出了一个时间网络模型，它建立在活动驱动的时变网络与记忆的框架。该模型还整合了推动社会关系形成的关键机制-社会强化、焦点闭合和循环闭合，这些机制已被证明会产生社区结构和网络的全球连通性。我们比较了所提出的模型与现实世界中的时变网络的移动电话通信，并表明他们共享的几个特点，从异构度和权重丰富的社区结构。此外，从模型中出现的强关系和弱关系遵循与现实世界社交网络类似的权重拓扑关系，包括弱关系的作用。
2015-06-01 cs.CY cs.SI physics.comp-ph
Temporal Gillespie algorithm: Fast simulation of contagion processes on time-varying networks
随机模拟是分析复杂网络动态过程的基石之一，也是探索其行为的唯一途径。快速算法的发展是至关重要的，以允许大规模的模拟。Gillespie算法可用于快速模拟随机过程，其变体已被应用于模拟静态网络上的动态过程。然而，它的适应时间网络仍然是不平凡的。我们在这里提出了一个时间Gillespie算法，解决了这个问题。我们的方法是适用于一般泊松（恒定速率）过程的时间网络，随机精确，和多个数量级的速度比传统的模拟方案的基础上拒绝采样。我们还展示了如何可以扩展到模拟非马尔可夫过程。该算法是很容易适用于在实践中，作为一个例子，我们详细介绍了如何模拟泊松和非马尔可夫模型的流行病传播。也就是说，我们提供了伪代码及其在C++中的实现，用于模拟范例的易感-感染-易感和易感-感染-感染模型以及具有非恒定恢复率的易感-感染-感染模型。对于经验网络，时间Gillespie算法通常比拒绝采样快10到100倍。
2015-10-26 physics.soc-ph q-bio.QM
The emergence of burstiness in temporal networks
本文提出一种生成树方法构造时间网络，在满足一致性条件时精确再现节点或链接的目标IET分布，从而复现实证数据中的突发性，为研究真实突发互动动态过程提供理论基础。
2023-04-14 physics.data-an physics.soc-ph
Self-similarity of temporal interaction networks arises from hyperbolic geometry with time-varying curvature
针对无明确几何结构的时间交互网络自相似性研究局限，提出流尺度时空变换技术，发现多类网络存在有限分形维，并证实其自相似性源于潜在的可变曲率双曲几何，为多尺度建模与潜在几何挖掘提供支撑。
2024-09-12 cs.SI physics.soc-ph
Time-varying networks approach to social dynamics: From individual to collective behavior
在这篇论文中，我们有助于理解的关键作用的时间维度的网络社会系统，以前被忽视，现在发现的数据革命最近在这一领域蓬勃发展。为此，我们首先介绍了时变网络的形式主义，并分析了社会动力学的一些经验数据，广泛使用的论文的其余部分。我们讨论了人类接触网络的结构和时间特性，如社会互动的异质性和突发性，我们提出了一个简单的模型，植根于社会吸引力，能够重现它们。然后，我们探讨了运行在时间网络上的动态过程的行为，由经验面对面的相互作用构成，详细讨论了随机游走和传染病传播的基本情况。我们还开发了一种分析方法，能够计算活动驱动模型的结构和渗流特性，旨在描述广泛的社会互动，由所涉及的个人的活动驱动。我们在社会时变网络的快速发展框架中的贡献为未来的工作开辟了有趣的视角，例如研究时间维度对多层系统的影响。
2016-08-12 cs.SI physics.soc-ph
Predicting Stability of Community Members in Complex Networks
在这项工作中，我们分析和预测复杂网络中社区的稳定性。我们使用一种称为个人资料接近度的接近中心性变体来衡量成员对其社区的忠诚度。我们表明，配置文件的接近度是一个足够的指标，社区如何在网络中发展。我们调查这在静态和动态（时间）网络，并建立在预测一个复杂的网络的演变的轮廓接近的相关性。关键词：小世界网络，中心性，社区，封闭性，聚类
2022-07-13 cs.DM cs.SI physics.soc-ph
Null Models for Community Detection in Spatially-Embedded, Temporal Networks
在网络的研究中，使用算法来确定诸如“社区结构”之类的中尺度特征通常是有见地的，其中密集连接的节点集构成与其他社区有稀疏连接的“社区”。最流行的算法检测社区的方法是优化称为模块化的质量函数。当优化模块化时，人们将（静态或时间相关的）网络中的实际连接与从随机图集成（作为空模型）中获得的连接进行比较。社区则是相对于空模型的预期，彼此紧密连接的节点集合。显然，社区检测的过程从根本上取决于空模型的选择，因此，重要的是要开发和分析新的空模型，考虑到所研究的系统的适当功能。本文研究了引入空间信息的零模型的效果，提出了一种基于辐射模型的人口扩散零模型。我们还开发了新的合成空间基准网络，其中实体之间的连接是基于节点之间的距离或流量，我们比较了静态和时间相关的辐射零模型的性能，标准（“纽曼-格文”）零模型的模块化优化和最近提出的重力零模型。在我们的比较中，我们使用了上述合成基准和时间依赖的相关网络，我们使用秘鲁全国登革热发病率数据构建。我们还评估了最近提出的相关空模型，这是专门为相关网络，从时间序列构建，在mathemic相关数据。
2015-01-22 cs.SI nlin.AO physics.bio-ph
A Fast and Efficient Incremental Approach toward Dynamic Community Detection
社区发现是网络科学家用来分析真实网络结构的发现工具。它试图识别输入网络中可能存在的自然划分，这些划分将顶点划分为连贯的模块（或社区）。虽然这个问题空间有丰富的高效算法和软件，但大多数文献都迎合了底层网络不变的静态用例。然而，许多新兴的现实世界用例需要将动态图作为输入。在本文中，我们提出了一个快速，有效的增量方法动态社区发现。关键的贡献是一个通用的技术称为$Δ-screening$，检查最近一批的输入图的变化，并选择一个子集的顶点重新评估潜在的社区（重新）分配。该技术可以被结合到任何使用模块性作为其聚类目标函数的社区发现方法中。出于演示的目的，我们将该技术纳入两个著名的社区发现工具。我们的实验表明，我们的新的增量方法是能够产生性能加速而不影响输出质量（尽管其启发式性质）。例如，在一个具有63M时间边缘（超过12个时间步）的真实网络上，我们的方法能够在1056秒内完成，比基线实现提高了3倍的速度。除了展示性能优势，我们还展示了如何使用我们的方法来描绘适当的时间分辨率间隔，以分析输入网络。
2019-04-19 cs.SI physics.soc-ph
Graph Metrics for Temporal Networks
时间网络，即，其中一组基本单元之间的相互作用随时间变化的网络可以根据时变图来建模，所述时变图是一组节点上的图的时间排序序列。在这样的图中，节点邻接性和可达性的概念关键取决于链接的确切时间顺序。因此，所有的概念和度量提出并用于静态复杂网络的特性必须重新定义或适当地扩展到时变图，以考虑因果关系的时间排序的影响。在本章中，我们将讨论如何表示时态网络，并回顾对链接随时间波动的图有效的行走、路径、连通性和连通分量的定义。然后，我们专注于时间节点的节点距离，我们讨论了如何在这类网络的持续性和时间的小世界行为。最后，我们讨论了经典的中心性度量，包括贴近度，介数和谱中心性，随时间变化的图的情况下，我们回顾了时间模体分析和时间图的模块度的定义的工作。
2013-06-03 cs.SI physics.soc-ph
Community Structures, Interactions and Dynamics in London's Bicycle Sharing Network
自行车共享计划是一种交通系统，不仅在拥挤的城市地区提供有效的交通方式，而且还改善了与公共交通和当地交通的最后一英里连接。全球各地的自行车共享计划产生了详细的空间和时间维度的出行数据集，通过适当的挖掘和分析，这些数据集揭示了有关城市交通模式的宝贵信息。在本文中，我们研究了伦敦自行车共享数据集，以探索社区结构。使用一种新的聚类技术，我们得出独特的行为模式，并评估社区的互动和时空动态。分析揭示了模仿伦敦物理结构的独立，相互关联和混合集群。随着时间的推移，我们发现地理上孤立和专业化的社区是相对一致的，而其余的系统表现出波动性，特别是在上下班高峰期。通过增加我们对自行车共享用户集体行为的理解，这种分析支持政策评估，运营决策，并激励基础设施设计和管理的改进。
2018-08-16 cs.CY cs.SI physics.soc-ph
Community detection on directed networks with missing edges
本文扩展 Flow Stability 框架，利用节点出度的已知不确定性水平，在含缺失链接的加权有向网络中提升社区检测的鲁棒性，并通过合成网络与 Telegram 真实网络验证其可靠性。
2024-10-25 cs.SI physics.soc-ph
Exploring the use of time-varying graphs for modelling transit networks
研究公交网络的拓扑结构与公交车辆在网络上的移动模式之间的动态关系，对于设计智能和时间感知的公交管理和推荐系统解决方案至关重要。本文提出了一种时变图（TVG）来模拟这种关系。通过在Neo4j图形数据库中使用由加拿大新不伦瑞克蒙克顿市公交网络生成的公交馈送来实现该模型，探索了该模型的有效性。这种关系中的动态已经使用网络度量来检测，例如时间最短路径，度，介数和PageRank中心以及时间网络直径和密度。保留字：关键词：公交网络，移动模式，时变图模型，图数据库和图分析
2018-02-17 cs.SI physics.soc-ph
Spatio-temporal models of infectious disease with high rates of asymptomatic transmission
新冠肺炎疫情出人意料地反复无常，突显出不仅需要加快对传染病的研究，还需要使用新技术和新视角进行研究。难以控制目前的大流行病的一个主要原因是该疾病的高度无症状性。在这项调查中，我们开发了一个建模框架来研究无症状传播率高的疾病的时空演变，我们将这个框架应用于一个假设的国家，数学上易于处理的地理，即，正方形的县均匀地组织成一个矩形。我们首先推导出一个模型的时间动态的易感，感染，并恢复人口，这是在县级应用。接下来，我们使用基于似然的参数估计，以获得随时间变化的疾病传播参数的全州范围内的水平。虽然这两种方法为我们提供了一些空间结构，并显示了行为和政策变化的影响，但它们忽略了在当前大流行期间造成资源分配重大困难的热点地区的演变。很明显，病例的分布不会像许多其他疾病那样，以人口密度为基础而停滞不前，而是会不断演变。我们将其建模为扩散过程，其中扩散率根据人口分布在空间上变化，并且根据模拟的无症状病例的当前数量在时间上变化。随着这最后一次加上SIR模型随时间变化的传输参数，我们捕捉到的演变“热区”在我们的假设设置。
2022-07-20 math.DS physics.soc-ph q-bio.PE
