Suppressed epidemics in multi-relational networks
研究了一类两状态网络传染病模型,该模型的连接节点之间具有两种不同的关系。权重w1和w 0的链接分别以概率p和1-p出现。感染节点的比例rho(p)显示出非单调行为,对于小p,rho随p下降,对于大p,rho随p增加。对于小到中等的w1/w 0比率,rho(p)表现出最小值,这表示最佳抑制。对于大的w1/w 0比率,抑制导致吸收阶段仅由范围p_L =< p =< p_R内的健康节点组成,并且对于p p_R,导致活跃阶段具有混合感染和健康节点< p_L and p>。一个平均场论,忽略了空间相关性给出了定性的协议,并捕捉所有的关键功能。一个物理图片,强调通过W 0链路和集群内的节点携带W1链路的感染之间的错综复杂的相互作用。当集群足够大以破坏通过w 0链接的传播,但又足够小以避免集群内的流行病时,就会产生大w1/w 0比率的吸收状态。一个理论,使用一个节点的可能的局部环境作为变量制定。该理论给出的结果与模拟结果吻合良好,从而表明,包括更长的空间相关性的必要性。
2014-09-16 physics.soc-ph
Balanced-imbalanced transitions in indirect reciprocity dynamics on networks
在这里,我们研究网络上的间接互惠的动态,一种社会动态,其中个人的态度,无论是合作还是对抗,随着时间的推移,他们的行动和相互监督对其他个人的变化。我们观察到一个吸收状态的相变,因为我们改变网络的链接或边缘密度。当边缘密度足够小或足够大时,意见很快就会达到吸收状态,一旦达到这种状态,意见就再也不会改变。相反,如果边缘密度在中间范围内,则不会达到吸收状态,并且状态保持变化,因此是活跃的。研究结果显示了社交网络对自发群体形成的新影响。
2021-04-21 physics.soc-ph
Annealing approximation in master-node network model
School of Arts, Sciences, and Humanities, University of São Paulo(圣保罗大学文理学院);Department of Physics, Federal University of São Paulo(圣保罗联邦大学物理系);Department of Physics, FFCLRP, University of São Paulo(圣保罗大学FFCLRP物理系)
本文通过主节点网络模型利用退火近似研究意见动力学中的吸收态相变,揭示手性影响对集体意见形成的作用。
2025-12-25 cond-mat.stat-mech physics.soc-ph
Memory effects on link formation in temporal networks: A fractional calculus approach
记忆在复杂系统相互作用的时间演化中起着至关重要的作用。为了解决记忆对网络时间模式的影响,我们提出了一个简单的优先连接模型,在该模型中,节点有优先倾向于与最活跃的节点建立链接。节点活动是通过节点在给定时间间隔内观察到的链路数量来衡量的。记忆研究使用时间分数阶导数方程,这已被证明是一个强大的方法来理解现象的长期记忆。无记忆的情况下,揭示了一个特征时间,节点活动的行为不同,低于和高于它。我们还观察到,密集的时间网络(大量的事件)显示出更清晰的特征时间比稀疏的。有趣的是,我们还发现记忆会导致节点活动的衰减;因此,节点接收新连接的机会随着节点的年龄而减少。最后,我们讨论了不同记忆长度的网络的统计特性。
2020-01-15 physics.soc-ph
Critical Exponents of Master-Node Network Model
社会网络中意见竞争的动力学在社会生活中有着重要的作用,在共识、选举、道德等不同的社会背景下有着广泛的应用。我们考虑了一个一维网络中的第一个邻居之间的相互作用,形状的环形拓扑结构的代理。此外,一些代理还连接到具有优先选择或偏见的集线器或主节点。这样的连接被淬灭。作为主要结果,我们观察到一个连续的非平衡相变的吸收状态作为控制参数的函数。通过使用有限尺寸标度方法,我们分析了静态和动态临界指数,表明该模型可能无法匹配任何已知的普适类。
2022-09-28 physics.soc-ph
Growing network with j-redirection
介绍了一种用于增长信息网络的模型,其中节点通过j重定向接收新链路,即节点接收链路的概率取决于到达该节点的长度为j的路径的数量。详细地,当新节点进入网络时,它要么连接到随机选择的节点,要么连接到这个选择的节点的j -祖先。通过从随机选择的节点跟踪j个链接来找到j -祖先。该系统被示出进行一个过渡到一个阶段,冷凝物的发展。我们还发现分析预测的高度统计和数值显示的非平凡的行为的程度分布。
2007-02-09 physics.soc-ph
Link Prediction in Networks with Nodes Attributes by Similarity Propagation
链接预测的问题最近已经引起了社会学、人类学、信息科学和计算机科学等各个领域的相当大的关注。提出了一种基于随机游走传播的链接预测算法。在该算法中,网络中的每一条链路被分配一个传输概率,根据由链路连接的节点上的属性的相似性。节点之间的链路相似性分数然后根据它们的传输概率经由链路传播。实验结果表明,该算法在具有节点属性的网络上可以获得比其他算法更高质量的结果。
2015-02-15 cs.SI physics.soc-ph
Modeling temporal networks with bursty activity patterns of nodes and links
时间网络的概念提供了一个框架,以了解系统组件之间的交互如何随时间而变化。在经验通信数据中,我们经常在节点的活动以及节点之间的交互中检测到非泊松的所谓突发行为。然而,如果不同链路上的交互过程彼此独立,则无法解释节点突发性和链路突发性之间的这种协调。这是因为节点的活动是入射到节点的链路上的交互过程的叠加,并且独立突发点过程的叠加通常不是突发的。在这里,我们介绍了一个基于突发节点激活的时间网络模型,并表明它会导致节点动态和链路动态的重尾事件间时间分布。我们的分析表明,激活过程固有的节点引起动态相关性的链接。我们的框架提供了一种方法来模拟链接之间的竞争和相关性,这是理解各种系统中动态过程的关键。
2019-12-24 cs.SI physics.soc-ph
Identification of hybrid node and link communities in complex networks
复杂网络中社团的识别已经成为分析复杂系统的有效手段。它在社会科学、工程学、生物学和医学等不同领域有着广泛的应用。节点社区和链路社区是网络结构分析的两种常用方法。然而,这些计划有固有的缺点,往往不足以正确地捕捉在真实的网络复杂的组织结构。我们介绍了一种新的方案和有效的方法来识别复杂的网络结构,使用混合的节点和链接社区,称为混合节点链接社区。我们的方法的一个核心部分是一个概率模型,可容纳节点,链接和混合节点链接社区。我们在各种真实世界的网络上进行了大量的实验,包括一个大型的蛋白质-蛋白质相互作用网络和一个大型的常用词语义关联网络,表明混合社区的方案在揭示网络特征方面具有优越性。此外,新的方法优于现有的方法分别找到节点或链接社区。
2013-09-18 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
Improving local clustering based top-L link prediction methods via asymmetrical link clustering information
网络可以代表广泛的复杂系统,如社会,生物和技术系统。链接预测是网络分析中最重要的问题之一,近年来引起了广泛的研究兴趣。为了解决这一问题,人们提出了许多链接预测方法,并采用了各种技术。我们可以注意到,聚类信息在解决链接预测问题中起着重要的作用。在以往的文献中,我们发现节点聚集系数经常出现在许多链接预测方法中。然而,节点聚类系数不能区分节点对不同节点对的聚类能力,仅限于描述一个共同邻居在不同局部网络中的作用。在本文中,我们把我们的重点从节点到链路,并提出了非对称链路聚类(ALC)系数的概念。在此基础上,通过ALC的概念对三种基于节点聚类的链接预测方法进行了改进.实验结果表明,基于ALC的方法优于基于节点聚类的方法,特别是在食物网,仓鼠友谊和互联网网络取得了显着的改善。此外,与其他方法相比,基于ALC的方法在全球化和个性化的top-L链接预测任务中的性能非常稳定。
2017-11-22 cs.SI physics.soc-ph
Node similarity distribution of complex networks and its application in link prediction
多年来,量化节点的相似性一直是复杂网络中的一个热门话题,但对节点相似性的分布却知之甚少。在本文中,我们认为一个典型的衡量节点的相似性称为共同的邻居相似性(CNS)。通过生成函数,我们提出了一个计算各种复杂网络中节点集CNS分布的一般框架。特别地,我们证明了对于Erdös-Rényi(ER)随机网络,任何特定大小的节点集的CNS分布服从泊松定律。我们还连接节点相似性分布的链接预测问题。我们发现,链接预测的性能完全取决于CNS分布的连接和未连接的节点对在网络中。此外,我们推导了链接预测中两个关键评估指标的理论解:i)精度和ii)接收器工作特征曲线(AUC)下的面积。我们表明,对于任何链接预测方法,如果连接和未连接的节点对的相似性分布是相同的,AUC将是$0.5$。理论解是传统实验评估方法的优雅替代方案,但计算成本要低得多。
2019-10-08 cs.SI physics.soc-ph
Coupling of link- and node-ordering in the coevolving voter model
我们考虑的过程中达到的共同进化的选民模型的最终状态。存在状态动力学的共同进化,其中节点可以以概率$1-p$从随机邻居复制状态,并且链路动力学,其中节点可以以概率$p$将其链路重新布线到相同状态的另一个节点。它表现出一种吸收性的转变,在一个临界值以上的重新连接概率的冻结阶段。我们的分析和数值研究表明,在活跃阶段的节点$n$和链接$m$的磁化强度的平均值趋于相同的值,取决于初始条件。以类似的方式,向上自旋和向下自旋的平均度数变得相等。该系统服从一个特殊的统计守恒定律,因为从相同的初始条件开始,在许多实现上平均的两种类型的磁化强度的线性组合是一个运动常数:$Λ\equiv (1-p)μm(t)+pn(t) = const$,其中$μ$是平均节点度。在活动阶段中节点和链路的最终平均磁化强度与$Λ$成比例,而活动链路的最终密度是$Λ$的平方函数。如果重新布线概率高于临界值,并且系统分离成断开的域,则节点和链路磁化的值不相同,并且自旋向上和自旋向下的最终平均程度可能不同。
2017-11-21 cond-mat.stat-mech physics.soc-ph
Metadata-informed community detection with lazy encoding using absorbing random walks
整合结构信息和元数据,如性别、社会地位或兴趣,丰富了网络,使人们能够更好地理解复杂系统的大尺度结构。然而,现有的元数据集成方法只考虑直接相邻的节点,从而无法识别和利用元数据和网络结构之间的长期相关性,这是许多空间和社会系统的典型特征。在这里,我们展示了基于流的社区检测方法如何整合网络信息和远程元数据,提供更细致入微的网络结构和相关性。我们使用地图方程框架分析社交和空间网络,发现我们的方法可以检测不同现实世界系统中各种有用的元数据信息分区。该框架为系统地将元数据纳入网络分析铺平了道路。
2021-11-09 cs.IT math.IT physics.data-an
Aging in coevolving voter models
Chungbuk National University(忠北国立大学);University of Florida(佛罗里达大学);Institute for Cross-disciplinary Physics and Complex Systems (CSIC-UIB)(交叉物理与复杂系统研究所(西班牙国家研究委员会-巴利阿里群岛大学))
本文研究老化效应对共演化选民模型的影响,提出链接老化模型和节点老化模型,发现老化使相变点反向移动且可能消除吸收相变。
2025-03-18 cond-mat.stat-mech physics.soc-ph
Topological transition in a coupled dynamic in random networks
在这项工作中,我们研究了Saeedian等人提出的模型中相关网络的拓扑转变(Scientific Reports 2019 9 9:9726),该模型考虑了节点和链路状态的耦合动力学。我们的目标是更好地理解观察到的两个阶段,因此我们使用另一种网络结构(所谓的随机几何图- RGG)以及从网络科学借鉴的其他度量。我们观察到两个相关网络的拓扑转变,这是完整网络的子图。由于链接有两种可能的状态(友好和非友好),我们将每个关联网络定义为仅由一种类型的链接组成。(非)友好关联网络仅具有(非)友好链接。这种拓扑转变是从系统的两个阶段(吸收和活性)之间的每个相关网络的域分布观察到的。我们还证明了另一个来自网络科学的度量标准,称为模块性(或排斥系数),也可以用作序参量,给出与开创性工作中原始序参量相同的相图。在吸收阶段,每个相关网络的模块度的绝对值达到最大值,而在活动阶段,它们下降到最小值。
2022-04-04 cond-mat.stat-mech physics.soc-ph
SSNE: Effective Node Representation for Link Prediction in Sparse Networks
图嵌入在复杂网络中的链接预测中越来越受欢迎,并取得了优异的性能。然而,有限的工作已经做了稀疏网络,代表了大多数真正的网络。在本文中,我们提出了一个模型,稀疏结构网络嵌入(SSNE),以获得节点表示的链接预测稀疏网络。SSNE首先将邻接矩阵转换为归一化$H$阶邻接矩阵之和(SNHAM),然后通过神经网络模型将SNHAM矩阵映射为用于节点表示的$d$维特征矩阵。证明了映射运算是奇异值分解的等价变形。最后,我们计算节点相似度的链接预测基于这样的特征矩阵。通过在合成稀疏网络和真实稀疏网络上的测试实验,与结构相似性指数、矩阵优化和其他图嵌入模型相比,该方法具有更好的链接预测性能。
2021-04-21 cs.SI physics.soc-ph
Evaluating Overlapping Communities with the Conductance of their Boundary Nodes
通常,网络中社区的边界是在节点之间画出的,因此穿过了它的输出链路。如果我们通过应用链接聚类方法构建重叠社区,节点和链接交换它们的角色。因此,必须通过两个或多个社区共享的节点来划分边界。为了社区评估的目的,我们定义了一个电导的边界节点的重叠社区类似的图形电导的边界交叉链接用于划分一个图形到不相交的社区。我们证明了边界节点的电导(或归一化节点切割)可以从Evans和Lambiotte(2009)引入的网络加权线图中不相交簇的普通图电导推导出来,以获得原始网络中节点的重叠社区。我们测试我们的定义是否可以用来构建有意义的重叠社区与本地贪心算法的链接聚类。在本说明中,我们提出了令人鼓舞的结果,我们获得了扎卡里的空手道俱乐部网络。
2013-10-13 cs.SI physics.soc-ph
Optimal Resource Allocation with Node and Link Capacity Constraints in Complex Networks
随着互联网流量的急剧增长,如何在有限的资源下实现最佳的性能成为一个迫在眉睫的问题。为了解决这个问题,在本文中,我们建立了一个优化问题,其目的是最大化的总效用的流量与网络中的节点和链路的容量约束。基于对偶理论,提出了一种同时调整业务流速率、节点和链路容量的迭代算法,使总效用最大化。仿真结果表明,该算法在BA和ER网络模型上的性能优于NUP算法。由于我们的研究结合了拓扑信息和容量约束,它可能会给一些启示,在实际的通信网络的资源分配。
2017-02-22 cs.NI physics.soc-ph
Discriminative Link Prediction using Local Links, Node Features and Community Structure
IIT Kharagpur(印度理工学院克勒格布尔分校);IIT Bombay(印度理工学院孟买分校)
链接预测(LP)算法被给出一个图,并且必须对每个节点、作为新链接的候选的其他节点进行排名。LP强烈受到社交搜索和推荐应用的推动。LP技术通常专注于全局属性(图电导,命中或通勤时间,Katz得分)或局部属性(Adamic-Adar和许多变体,或节点特征向量),但很少结合这些信号。此外,这两个极端都没有利用社区中间层的链接密度。在本文中,我们描述了一个歧视LP算法,利用两个新的信号。首先,一个共同的聚类算法提供社区级的链接密度估计,这是用来限定观察到的链接与惊喜值。第二,在要预测的链接的直接邻域中的链接不被解释在表面值,而是通过节点特征相似性的局部模型。这些信号被组合成一个判别链接预测器。我们使用文献中标准的五个不同数据集来评估新的预测因子。与标准LP方法(包括Adamic-Adar和随机游走)相比,我们报告了显着的准确性提升。除了新的预测器之外,另一个贡献是用于对LP算法进行基准测试和报告的严格协议,它揭示了这里研究的所有预测器的优势和劣势区域,并将新提案确定为最稳健的。
2013-10-17 cs.LG cs.SI physics.soc-ph
Link Prediction in evolving networks based on the popularity of nodes
链接预测旨在揭示网络背后的潜在关系,利用它可以预测丢失的边或识别虚假的边,受到了各个领域的广泛关注。链接预测的关键问题是估计网络中两个节点的似然性。目前的链接预测方法大多基于静态结构分析,忽略了网络演化的时间特性。与以往的工作不同,在本文中,我们提出了一种流行的结构扰动方法(PBSPM),其特征在于,不仅从现有的网络连接的边缘的相似性,但也从流行的两个端点,因为流行的节点有更多的概率形成自己之间的链接。通过考虑节点的流行度,PBSPM可以抑制具有高重要性的节点,但逐渐变得不活跃。因此,该方法倾向于预测活动节点之间的潜在边,而不是非活动节点之间的边。在四个真实网络上的实验结果表明,该方法在准确性和鲁棒性方面都优于现有的方法。
2016-09-12 cs.SI physics.data-an physics.soc-ph
Fragmentation transitions in a coevolving nonlinear voter model
我们研究了一个描述节点状态和网络拓扑耦合演化的协同演化非线性选举模型。相互作用的非线性由参数q测量。通过解析和数值分析,我们得到了一个相图在p,q参数空间中有三个不同的阶段:动态活跃的共存阶段在一个单一的组件网络,吸收共识阶段在一个单一的组件网络,吸收阶段在一个碎片化的网络。对于有限系统的活动阶段有一个寿命,系统的大小呈指数增长,在方差与线性选民模型,具有一个生命周期成比例的系统大小的类似阶段。我们发现三个过渡线,满足线性选民模型的碎片过渡点。第一过渡线对应于活性相和破碎相之间的连续吸收过渡。另外两条过渡线是不连续的过渡,与线性选民模型的过渡有根本的不同。一种是一致性阶段和碎片化阶段之间的碎片化过渡,另一种是活跃阶段和一致性阶段之间的单组分网络中的吸收过渡。
2017-10-09 cond-mat.stat-mech physics.soc-ph
A dynamic network model with persistent links and node-specific latent variables, with an application to the interbank market
我们提出了一个动态网络模型,其中有两种机制控制两个节点之间的链接的概率:(i)过去是否存在此链接,以及(ii)描述每个节点创建链接的倾向的节点特定的潜在变量(动态适应度)。假设这两种机制的马尔可夫动力学,我们提出了一个期望最大化算法的模型估计和推理的潜变量。估计的参数和拟合度可以用于预测未来链路的存在。我们将我们的方法应用于e-MID银行间网络,这两种联动机制与网络形成过程中的两种不同交易行为相关联,即优惠交易和节点特定特征驱动的交易。实证结果允许识别优惠贷款在银行间市场,并表明如何不考虑随时间变化的网络拓扑结构的方法往往高估优惠联系。
2017-12-30 cs.SI physics.soc-ph q-fin.ST
Line Graphs, Link Partitions and Overlapping Communities
在本文中,我们使用一个划分的链接的网络,以揭示其社区结构。这种方法允许社区在节点处重叠,使得节点可以在多个社区中。我们通过对原始网络的线图进行节点划分来做到这一点。通过这种方式,我们表明任何产生节点分区的算法都可以用于产生链接分区。我们讨论的程度异质性的作用,并提出了一个加权版本的线图,以说明这一点。
2009-07-24 physics.data-an physics.soc-ph
Predicting missing links via significant paths
链接预测对于理解网络的内在演化机制具有重要作用。由于认为两个节点之间存在链接的可能性与它们的相似性密切相关,已经提出了许多基于节点属性和/或拓扑结构来计算节点相似性的方法。在考虑连接目标节点对的路径的各种方法中,大多数方法忽略了这些路径的异质性。我们的假设是,由小度节点组成的路径提供了两端之间相似性的强有力证据,因此,我们在这封信中提出了一个所谓的重要路径索引,以利用中间节点的度进行相似性计算。在12个不同的真实网络上的实验表明,该指标优于主流的链路预测基线。
2015-02-03 cs.SI physics.data-an physics.soc-ph
Map equation for link community
社区结构存在于许多现实世界的网络中,并已被报道与网络的几个功能属性。传统的方法是将节点划分为社区,而最近的一些研究开始划分链接而不是节点,以有效地找到重叠的节点社区。我们扩展了地图方程方法,这是最初开发的节点社区,在网络中找到链接社区。在不同类型的网络上进行测试,并与网络元数据进行比较,结果表明该方法能够有效地识别节点的角色重叠。该方法的优点是通过测量网络中除社团结构外的未知信息,可以定量地比较节点社团方案和链路社团方案。它可以用来定量地决定是否应该使用链路社区方案来代替节点社区方案。此外,由于该方法是基于随机游动的,因此可以很容易地推广到有向网络和加权网络。
2011-08-12 cond-mat.stat-mech cs.SI physics.soc-ph
Implicit degree bias in the link prediction task
本研究揭示链接预测任务中边采样对高度数节点的隐式偏差,提出度校正基准以提供更合理评估,并证明其能更有效训练图模型。
2024-05-29 cs.SI physics.soc-ph
Natural growth model of weighted complex networks
我们提出了一个自然模型的发展加权网络中,新的链接不一定连接到新的节点。该模型允许新添加的链路直接连接网络中已经存在的两个节点。这在许多现实世界的网络建模中是合理的。这样的链接称为内部链接,而连接到新节点的链接称为外部链接。考虑到网络内外链之间的相互关系,我们研究了加权复杂网络的强度、度和权分布的幂律。该模型使我们能够预测加权网络的一些特征,如全球机场网络和科学合作网络。
2011-08-17 cs.SI physics.soc-ph
Pairwise Link Prediction
链接预测是网络科学中的一个常见问题,涉及多个学科。目标是预测新链接的出现或找到网络中丢失的链接。用于链接预测的典型方法使用网络的拓扑来预测一对节点之间最可能的未来或丢失的连接。然而,网络演化通常是由涉及多对节点的高阶结构介导的;例如,三个节点上的集团(也称为三角形)是社交网络结构的关键,但标准的链接预测框架不能直接预测这些结构。为了解决这个差距,我们提出了一个新的链接预测任务,称为“成对链接预测“,直接针对新的三角形的预测,其中一个任务是找出哪些节点最有可能形成一个三角形与给定的边缘。我们开发了两个PageRank为基础的方法,我们成对的链接预测问题,并自然扩展到现有的链接预测方法。我们在各种网络上的实验表明,基于扩散的方法对所使用的图形类型不太敏感,并且其结果更加一致。我们还展示了我们的成对链接预测框架可以用来得到更好的预测标准的链接预测评估的上下文中。
2019-07-10 cs.SI physics.soc-ph
Coevolving nonlinear voter model with triadic closure
研究了一个具有三元闭包局部重连的非线性协同演化选举模型。我们发现三个阶段具有不同的拓扑性质和配置的稳定状态:吸收共识阶段与一个单一的组件,吸收碎片阶段与两个组件在相反的共识状态,和一个动态活跃的破碎阶段与许多孤立的节点。这个破碎的阶段,这是不存在的一个共同进化的模型与全球重新布线,有一个生命周期,规模指数与系统的大小。我们的特点是这些阶段之间的过渡方面的最大集群的大小,集群的数量,和磁化。我们的分析提供了一个可能的解决方案,以重现自适应网络中的孤立部分和社会系统中广泛观察到的高聚类。
2018-07-03 cs.SI physics.soc-ph
Link Cascades in Complex Networks: A Mean-field Approach
网络上的级联模型已广泛用于研究复杂系统的级联故障。然而,大多数现有的模型考虑了节点损坏引起的故障,而忽略了链路损坏的可能性,这与交通,社会动力学,生物学和医学有关。为了将传统的级联模型推广到链路损伤,本文在标准独立级联模型的基础上提出了一种链路级联模型,并通过数值模拟和解析近似求解。我们发现,一个节点失去所有的链接,由于链路损坏的概率表现出最小值作为节点度的函数,这表明存在一个最佳的程度,一个节点是最能抵抗链路损坏。我们应用我们的模型来研究现实世界中的签名社交网络中的符号分布,并发现这种最优度确实存在于现实世界的数据集中。
2021-11-23 nlin.AO physics.soc-ph
A Bayesian Framework for Community Detection Integrating Content and Link
Michigan State University(密歇根州立大学);NEC Laboratories America(美国 NEC 实验室)
针对网络数据中的社区发现问题,提出了一种结合链接分析和内容分析的社区发现方法。大多数现有的工作结合链接和内容信息的生成模型。现有方法有两个主要缺点。首先,他们假设在两个节点之间创建链接的概率仅由节点的社区成员身份决定;然而其他因素(例如流行度)也可能影响链接模式。其次,他们使用生成模型来模拟单个节点的内容,而这些生成模型容易受到与社区无关的内容属性的影响。我们提出了一个贝叶斯框架相结合的链接和内容信息的社区发现,明确解决这些缺点。提出了一种新的链接模型,该模型在决定两个节点之间的链接时引入一个随机变量来获取节点的流行度,并使用一个判别模型根据节点的内容来确定节点的社区成员资格。提出了一种有效的贝叶斯近似推理算法。我们的实证研究表明,该框架优于几个国家的最先进的方法相结合的链接和内容信息的社区发现。
2012-05-09 cs.AI cs.SI physics.soc-ph
Predicting missing links via correlation between nodes
链接预测是许多领域中的一个基本问题,其目的是根据观测到的信息来估计两个节点之间存在链接的可能性。由于这个问题涉及到许多应用,从发现丢失的数据到预测网络的演变,最近已经深入研究了链接预测,到目前为止已经提出了许多方法。链接预测的本质挑战是估计节点之间的相似性。现有的大多数方法都是基于公共邻居索引及其变体。在本文中,我们提出了计算节点之间的相似性的相关系数。该方法被认为是非常有效的应用时,计算基于高阶路径的相似性。最后,我们将基于相关性的方法与资源分配方法相结合,发现结合的方法可以大大优于现有的方法,特别是在稀疏网络中。
2014-09-30 cs.SI physics.data-an physics.soc-ph
Link prediction with hyperbolic geometry
链路预测是网络科学中的一个典型问题,具有广泛的应用。在潜在空间网络模型中,这个问题归结为按照节点之间潜在距离的增加顺序对节点对进行排序。具有双曲潜在空间的网络模型具有许多吸引人的性质,这表明它必须是预测链接的强大工具,但过去在这个方向上的工作报告了混合的结果。在这里,我们进行系统的调查潜在的双曲几何链接预测网络中的效用。我们首先表明,一些措施的链接预测精度是非常敏感的不准确性,在推理的潜在的双曲线坐标的节点,所以我们开发了一种新的坐标推理方法,最大限度地提高这种推理的准确性。将这种方法应用于合成和真实网络,我们发现,虽然存在许多有竞争力的方法来预测明显的易于预测的链接,其中双曲线链接预测很少是最好的,但往往是有竞争力的,当任务是预测不太明显的缺失链接时,它是最好的,通常是到目前为止,真的很难预测。这些链接包括不完整网络中的缺失链接,缺失链接的比例很大,节点之间没有任何共同的邻居,以及在大潜在距离的不同节点之间的缺失链接。总的来说,这些结果表明,一个特定的链接预测任务越难,就越应该认真考虑使用双曲几何。
2020-11-02 cs.SI physics.soc-ph
Interlayer link prediction in multiplex social networks: an iterative degree penalty algorithm
在线社交网络(OSN)应用程序提供不同的体验;例如,在Twitter上发布短文本和在Instagram上分享照片。多个OSN构成复用网络。出于隐私保护和使用目的,属于不同OSN中的同一用户的帐户可能具有不同的用户名、照片和介绍。多重网络中的层间链接预测旨在识别不同OSN中的帐户是否属于同一个人,这可以帮助包括网络犯罪行为建模和客户兴趣分析在内的任务。许多现实世界的OSN表现出无标度分布,因此,不同程度的邻居可能会对不同OSN之间的节点匹配度产生不同的影响。提出了一种迭代度惩罚(IDP)算法用于多路复用网络中的层间链路预测.首先,我们提出了一个度惩罚原则,分配更大的权重给一个共同的匹配邻居与较少的连接。其次,我们应用节点邻接矩阵乘法,以有效地获得所有不匹配的节点对的匹配度。之后,我们使用经批准的最大值法从匹配度矩阵获得层间链接预测结果。最后,将预测结果插入先验层间节点对集合中,迭代进行上述过程,直至一层中所有不匹配节点都匹配或所有不匹配节点对的匹配度都等于0。实验结果表明,当复用网络平均度和节点重叠率较低时,改进的IDP算法的性能明显优于现有的基于网络结构的方法。
2020-02-06 cs.SI physics.soc-ph
Discovering link communities in complex networks by exploiting link dynamics
复杂网络中社区的发现是一个基本的数据分析问题,在许多领域都有应用。大多数现有的方法都集中在发现社区的节点,而最近的研究表明,网络中的链接社区的知识有很大的优势和效用。从这个新的角度来看,我们提出了一个基于链接动态的算法,称为UELC,用于识别网络的链接社区。在UELC中,链路-节点-链路随机游动的随机过程被用来展开网络中链路的嵌入式二分结构。然后,利用马尔可夫链的随机游走的局部混合属性来提取两个出现的链接社区。此外,随机游走和二分区过程被包裹在迭代细分策略中,以递归地识别将网络链路隔离成多个细分的链路分区。我们评估了新方法在合成基准上的性能,并在现实世界的网络上展示了其实用性。我们的实验结果表明,我们的方法是非常有效的发现复杂网络中的链接社区。作为比较,我们还扩展了UELC来提取节点的社区,并表明它是有效的节点社区识别。
2013-03-19 cond-mat.stat-mech cs.SI physics.soc-ph
Adversarial Permutation Guided Node Representations for Link Prediction
Indian Institute of Technology Bombay(印度孟买理工学院)
在观察社交网络的快照之后,链接预测(LP)算法识别节点对,在所述节点对之间新的边将在未来可能实现。大多数LP算法估计当前非相邻节点对的分数,并根据该分数对它们进行排名。最近的LP系统通过比较节点的密集、低维向量表示来计算该分数。图神经网络(GNN),特别是图卷积网络(GCN),是流行的示例。对于要进行有意义比较的两个节点,它们的嵌入应该与邻居的重新排序无关。GNN通常使用简单的对称集合聚合器来确保此属性,但这种设计决策已被证明产生表达能力有限的表示。序列编码器更有表现力,但在设计上对排列敏感。最近的努力,以克服这一困境是不令人满意的LP任务。作为回应,我们提出了PermGNN,它使用一个经常性的,顺序敏感的聚合器聚合邻居特征,并直接最大限度地减少LP损失,同时它被邻居排列的对抗生成器“攻击”。通过设计,PermGNN{}与早期的对称聚合器相比具有更强的表达能力。接下来,我们设计了一个优化框架,将PermGNN的节点嵌入映射到合适的位置敏感哈希,这加快了LP任务报告顶部$K$最有可能的边缘。我们在不同数据集上的实验表明,\our的性能明显优于几种最先进的链接预测器,并且可以快速预测最可能的边缘。
2021-03-28 cs.LG cs.SI physics.soc-ph
Link communities reveal multiscale complexity in networks
网络已经成为理解相互作用对象系统的关键方法,统一了对包括生物有机体和人类社会在内的各种现象的研究。研究网络结构和动力学的一个关键步骤是识别社区:对应于功能亚基(如蛋白质复合物或社会领域)的相关节点组。网络中的社区经常重叠,使得节点同时属于几个组。同时,许多网络都具有层次结构,其中社区递归地分组为层次结构。然而,事实上,许多真实的网络具有普遍重叠的社区,其中每个节点都属于一个以上的组,其结果是节点的全局层次结构无法捕获重叠组之间的关系。在这里,我们重塑社区的链接,而不是节点的群体,并表明这种非正统的方法成功地调和了对立的组织原则重叠的社区和层次结构。与现有的文献相比,它完全集中在分组节点,链接社区自然纳入重叠,同时揭示层次结构。我们在许多网络中发现了相关的链接社区,包括主要的生物网络,如蛋白质-蛋白质相互作用和代谢网络,并表明一个大型的社会网络包含分层组织的社区结构,跨越市中心到区域尺度,同时保持普遍的重叠。我们的研究结果表明,链接社区是基本的构建块,揭示了重叠和层次组织在网络中是同一现象的两个方面。
2010-09-14 physics.data-an physics.soc-ph q-bio.QM
Co-evolution of nodes and links: diversity driven coexistence in cyclic competition of three species
当三个物种在$N$个体的混合随机系统中循环竞争时,灭绝通常发生在系统大小$N$的时间尺度上。例如,在石头剪刀布游戏或保守的洛特卡-沃尔泰拉模型中,每对个体都可以在一个完整的图上相互作用。在这里,我们表明,如果竞争的个人也有一个“社会气质”是内向或外向,导致他们分别削减或增加链接,然后长寿命的状态,所有物种共存时,内向和外向都存在。这些状态是非平衡准稳态,由物种竞争和网络动态之间的微妙平衡维持。值得注意的是,许多现象都体现在平均场描述中。然而,一个直观的理解,为什么多样性稳定的共同发展的节点和链接动态仍然是一个悬而未决的问题。
2018-08-17 cond-mat.stat-mech nlin.AO physics.soc-ph