Twenty Years of Network Science: A Bibliographic and Co-Authorship Network Analysis
二十年前,三篇开创性的论文将注意力转向复杂网络,开创了一个新的研究时代,建立了一个称为网络科学的跨学科领域。也就是说,这些被高度引用的开创性论文分别由Watts&Strogatz,Barabási&Albert和Girvan&Newman撰写,分别关于小世界网络,无标度网络和复杂网络的社区结构。在过去的20年里--由于该领域的多学科性质--出现了一个多样化但不分裂的网络科学社区。在本文中,我们调查了这个社区如何随着时间的推移而发展的速度,多样性和跨学科的性质,通过网络科学家的合作网络(这里的概念是指至少一篇论文引用至少一个上述三个里程碑论文的学者)。在对31,763篇网络科学论文进行文献分析后,我们构建了56,646名网络科学家的合著网络,并分析了其拓扑结构和动态。我们揭示了过去20年的网络科学的合作模式,通过调查合作网络的许多结构属性,并通过使用增强的数据可视化技术。我们还确定了最核心的作者,最大的社区,调查的时空变化,并比较网络的属性,科学计量指标。
2020-06-09 cs.DL cs.IR cs.SI
HistComp : bibliographic analysis and visualization of 'The Biological Bulletin'
一个引文数据的集合,HistComp,可以从互联网上获得,作为现实生活中引文网络的例子的数据库。该方法的目的是分析这些引文网络的学术文献,提出其典型的步骤和结果。我们已经选择了书目的见解“生物通报”,自1897年以来出版的伍兹霍尔海洋生物实验室的杂志。由于书目网络往往是非常分散的,他们的可视化需要收敛的标准。为了简化,这种结构的主要特点应包括在超链接环境中调查权威来源和确定专题领域。通过避免过度松散的连接和过于密集的集群布局是有用的,通过图形化地描绘引文模式,获得一个平滑的演示。HistComp统计了1945年至2003年间《生物学公报》发表的8884篇文章。这些论文的二维定位,代表了他们的书目耦合和共同引用的程度提供了一个直方图。它的构造标准是相对于8884数据集的可视化的充分性。所获得的空间表示优化了聚类或主题区域的识别。海洋科学在专题上的重要性在于它参加了7个专题组中的7个专题组。主流主题是甲壳类动物和棘皮动物,约60%的材料在图表中呈现。但海葵,约占总数的16%,仍然是最好的可视化局部区域。高度相关的论文的视角很容易通过视觉检查用于节点表示的字形的宽度来确认。对于用户交互,HistComp使用鼠标悬停标签。
2015-11-18 cs.DL cs.SI
Social Network Analysis: Bibliographic Network Analysis of the Field and its Evolution / Part 1. Basic Statistics and Citation Network Analysis
在本文中,我们提出的社会网络分析(SNA)学科的发展及其演变的研究结果,使用书目网络的分析。该数据集包括来自Web of Science Clarivate Analytics数据库的文章以及在该领域主要期刊上发表的文章(70,000多篇出版物),通过搜索关键词“社交网络 *”创建。从收集的数据中,我们构建了几个网络(引用和双模式,将出版物与作者,关键词和期刊联系起来)。通过分析所获得的网络,我们评估了该领域的增长趋势,注意到被引用最多的作品,创建了一个作品数量最多的作者和期刊列表,并提取了SNA领域最常用的关键词。接下来,使用搜索路径计数方法,我们提取了引文网络中的主路径、关键路由路径和链接岛。基于概率流节点值,我们确定了最重要的文章。研究结果表明,在整个学科发展史上最为活跃的社会科学领域的作者,从2000年开始经历了物理学家的“入侵”。然而,从2010年开始,一个新的非常活跃的动物社交网络分析群体出现了。
2018-12-14 cs.SI math.HO physics.soc-ph
On Fractional Approach to Analysis of Linked Networks
针对链接网络分析,本文通过相容网络乘积的外积分解建立分数方法基础,比较标准与Newman归一化,并提出分数文献耦合测度的替代方案。
2019-03-02 cs.SI
Constructing bibliometric networks: A comparison between full and fractional counting
文献计量网络的分析,如合著、书目耦合和共同引文网络,受到了相当多的关注。对这些网络的建设关注较少。我们指出,可以采取不同的方法来构建一个文献计量网络。通常使用全计数方法,但我们提出了一种替代的分数计数方法。分数计数法的基本思想是,每一个行为,如共同创作或引用出版物,都应该具有相同的权重,而不管出版物的作者、引用或参考文献的数量。我们提出了两个实证分析,其中充分和部分计数方法产生非常不同的结果。这些分析涉及大学的合著网络和期刊的书目耦合网络。基于理论上的考虑和实证分析,我们得出结论,在许多目的的分数计数的方法是更可取的全计数之一。
2016-10-24 cs.DL cs.SI
The Mobility Network of Scientists: Analyzing Temporal Correlations in Scientific Careers
科学家在不同大学和国家之间的流动对于促进知识交流十分重要。与此同时,潜在的流动性受到地理和制度的限制,这导致了科学家职业轨迹的时间相关性。为了量化这种影响,我们从两个大规模的书目数据集中提取了350万个科学家的职业轨迹,并应用高阶网络的新方法对其进行分析。我们研究了时间相关性在三个不同层次的聚集,大学,城市和国家的影响。我们发现了强有力的证据,证明了前100所大学的这种相关性,即科学家可能在特定机构之间流动。这些相关性也存在于国家一级,但在城市一级则不存在。我们的研究结果可以得出结论的制度路径依赖的科学事业和流动计划的效率。
2020-03-04 cs.SI physics.soc-ph
Using link and content over time for embedding generation in Dynamic Attributed Networks
IBM Research(IBM研究院);University of São Paulo(圣保罗大学)
在这项工作中,我们考虑的问题相结合的链接,内容和时间分析的社区发现和预测在不断发展的网络。这种时间和内容丰富的网络出现在许多现实生活中,如书目网络和问答论坛。文献中的大多数工作(使用内容和结构)都涉及网络的静态快照,它们不能反映多个快照中发生的动态变化。将社区中的动态变化纳入分析还可以提供有关网络中变化的有用见解,例如作者跨社区的迁移。在这项工作中,我们提出了Chimera,一个共享的因子分解模型,可以同时考虑图链接,内容和时间分析。这种方法的工作原理是以多维形式提取网络的潜在语义结构,但在某种程度上考虑了这些嵌入的时间连续性。这种方法通过使用嵌入作为代理简化了底层网络的时间分析。这种简化的结果是,也可以使用这种嵌入的时间序列来预测未来的社区。我们目前的实验结果说明该方法的有效性。
2019-11-22 cs.LG cs.SI stat.ML
Analytical Models for Motifs in Temporal Networks: Discovering Trends and Anomalies
动态演化网络捕获诸如社交网络、通信网络和金融交易网络等领域中的时间关系。在这样的网络中,时间模体,这是重复的时间戳边缘/交易序列,提供有关网络的演变和功能的有价值的信息。然而,目前没有分析模型的时间图存在,也没有模型,将允许可扩展的建模时间基序频率随时间的推移。在这里,我们开发的时间活动状态块模型(TASBM),在时间图建模的时间图案。我们开发了有效的模型拟合方法,并推导出封闭形式的表达式预期的基序频率和它们的方差在一个给定的时间网络,从而使统计上显着的时间基序的发现。我们的TASMB框架可以准确地跟踪预期基序频率随时间的变化,并且可以很好地扩展到具有数千万条边/事务的网络,因为它不需要耗时生成许多随机时间网络,然后计算每个网络的基序计数。我们表明,TASBM是能够随着时间的推移,在金融交易,电话和电子邮件网络的网络时间活动的变化模型。此外,我们表明,偏离预期的基序计数计算我们的分析框架对应于异常的金融交易和电话网络。
2021-12-30 cs.SI
Predictability of real temporal networks
大多数真实网络中的链接经常会随着时间的推移而变化。链接的这种暂时性编码了节点之间交互的顺序和因果关系,并对网络动态和功能产生了深远的影响。经验证据表明,在许多现实世界的网络中,链接的时间性质不是随机的。尽管如此,它是具有挑战性的,同时考虑到拓扑和时间的链接模式之间的纠缠来预测时间的链接模式。在这里,我们提出了一个熵率为基础的框架,结合拓扑-时间的可预测性,量化任何时间网络的基础上。我们将我们的框架应用于各种模型网络,证明它确实捕捉到了内在的拓扑-时间关系,而以前的方法只考虑了时间方面。我们还将我们的框架应用于18个不同类型的真实网络,并确定其可预测性。有趣的是,我们发现,对于大多数真实的时间网络,尽管更大的复杂性带来的可预测性的维数的增加,组合的拓扑-时间的可预测性是高于时间的可预测性。我们的研究结果表明,将网络的时间和拓扑方面,以提高预测的动力学过程的必要性。
2020-07-09 cs.SI
Temporal complex networks modeling applied to vehicular ad-hoc networks
VANESTIC解决方案使用聚合图表示来建模车辆之间的交互,并使用不同的聚合复杂网络度量来量化一些拓扑特征。这种建模忽略了汽车之间的时间交互,导致信息丢失或不切实际的行为。这项工作提出了使用时间图和时间的措施,以模拟VANESTOS应用程序。为了验证该模型的可行性,我们首先考虑五个不同的真实数据集进行时间和聚合建模之间的比较分析。该分析表明,聚合模型在建模网络的时间方面是低效的。在此之后,我们通过模拟进行网络评估,考虑应用到部署RSU的时间建模的影响。首先,我们比较了基于我们的时间模型的解决方案与基于聚合模型的贪心算法来选择RSU的位置。在具有70个RSU的场景中,我们在时间和聚合模型(贪心算法)中分别具有77%和65%的覆盖率。其次,我们评估了使用聚合和时间的措施适用于遗传算法的功能。与时间介数的方法有更好的结果与90%的覆盖面积对61%的聚合一个应用于相同的场景。
2021-09-07 cs.SI
A Higher-Order Temporal H-Index for Evolving Networks
本文将n阶H指数扩展到时序网络,提出时序中心性度量和时序核分解方法,并开发可扩展流式算法,用于识别演化网络中的超级传播者和时序连通组件。
2023-05-25 cs.SI
Latent Sub-structural Resilience Mechanisms in Temporal Human Mobility Networks during Urban Flooding
在研究时间的人类网络的弹性,仅仅依靠全球网络的措施是不够的,潜在的子结构网络机制需要检查,以确定这些网络的影响和恢复的扰动,如城市洪水的程度。在这项研究中,我们利用高分辨率聚合基于位置的灾害相关数据来构建时间人类移动网络。使用构建的时间网络模型,我们研究的特点,如模体分布,模体的持久性和时间稳定性,和模体属性,揭示潜在的子结构机制,在灾害引起的扰动人类流动网络的弹性。结果表明,城市洪水的影响持续几个星期的子结构水平上的人的流动网络。不同网络类型的影响程度和恢复持续时间不同。此外,扰动影响持续在子结构水平,而全球拓扑网络属性可能表明网络已经恢复。研究结果强调了研究微观结构及其动态过程和属性的重要性,在理解时间人类移动网络(和其他时间网络)的弹性时,必须研究微观结构及其扰动影响和恢复。研究结果还可以为灾害管理人员,政府官员和交通规划人员提供见解,以更好地评估影响,并根据子结构和全球网络层面的人类流动网络的影响和恢复模式监测受影响社区的恢复情况。
2022-03-31 cs.SI
Emerging Topics in Internet Technology: A Complex Networks Approach
一般来说,通信网络,特别是互联网技术,是一个快速发展的研究领域。虽然跟踪这一领域的新趋势很重要,但这是一个快速增长的领域,很难跟踪文献。引文数据库数量的快速增长使问题更加复杂。虽然其他数据库正在逐步索引大量可靠的内容,但目前Web of Science是最有价值的数据库之一。该数据库中的索引研究突出了任何领域的关键进展。在本文中,我们提出了一个复杂的网络为基础的分析方法来分析最近的数据从Web的科学在通信网络。以2014年至2017年的书目记录为例,我们对复杂的科学计量网络进行了建模和分析。使用应用于复杂引文数据的文献计量学耦合,我们给出了文献共引模式、术语共现模式以及最有影响力的文章等的答案,我们还给出了关键支点和知识转折点。对数据进行的复杂网络分析表明,人们对两个关键群组相当感兴趣,这两个群组分别被称为“社交网络”和“计算机网络“。此外,高被引文献中的关键主题被明确确定为“通信网络”、“社交网络”和“复杂网络”。
2017-08-02 cs.DL cs.NI cs.SI
Power of individuals -- Controlling centrality of temporal networks
时间网络是这样的网络,其中节点和交互可以在不同的时间尺度上出现和消失。随着时间网络在经济、自然和社会中的广泛存在,研究时间网络的结构可控性具有重要的现实意义。我们开发了图形工具来研究时间网络的结构可控性,识别个体控制动态和大规模时间网络的能力的内在机制。将时态网络的时态树分为不同的类型,给出了控制中心性的解析上界和下界,并通过人工时态网络和经验时态网络的数值模拟进行了验证.我们发现,节点的控制中心的无标度分布几乎是独立的时间尺度和类型的数据集,这意味着内在的异质性和鲁棒性的时间网络的控制中心。
2014-01-14 cs.SI physics.soc-ph
Measuring and utilizing temporal network dissimilarity
量化时间网络的结构和功能差异是大数据时代的一个基本而具有挑战性的问题。本文提出了一种基于最快到达距离分布和基于谱熵的Jensen-Shannon散度的时间网络比较的时间相异性度量方法。实验结果表明,该测度能够有效地识别不同结构的时态网络,并能捕捉到不同的拓扑和时态属性.此外,所提出的措施,可以区分功能的区别,并发现在时间网络分类和传播性判别的有效应用。
2021-11-02 cs.SI physics.soc-ph
TME-BNA: Temporal Motif-Preserving Network Embedding with Bicomponent Neighbor Aggregation
Zhejiang University(浙江大学)
演化的时间网络是许多现实动态系统的抽象,例如,社交网络和电子商务。时间网络嵌入的目的是将每个节点映射到用于下游任务的时间演进低维向量,例如,链接预测和节点分类。时态网络嵌入的难点在于如何联合利用拓扑和时间信息来捕捉时态网络的演化。针对这一挑战,我们提出了一种基于双组分邻域聚合的时间基元保持网络嵌入方法,称为TME-BNA。考虑到时间模体对于理解时间网络的拓扑规律和功能特性至关重要,TME-BNA基于时间模体构造额外的边特征,以显式地利用具有时间信息的复杂拓扑结构.为了捕捉节点的拓扑动态,TME-BNA利用图神经网络(GNNs)根据连接边的时间戳分别聚合历史和当前邻居。在三个公共时态网络数据集上进行了实验,结果表明了TME-BNA的有效性。
2021-10-26 cs.LG cs.SI
Temporal networks: slowing down diffusion by long lasting interactions
在复杂系统中,单元之间的相互作用以特定的顺序发生,从而影响信息的流动、疾病的传播和一般的动力学过程。我们研究了时间网络的拉普拉斯谱,并将其与相应的聚合网络的拉普拉斯谱进行了比较。首先,我们证明了时间网络的系综平均谱具有相同的本征模,但比聚合网络的本征值小。在没有边缘凝聚的大型网络中,预期的时间动态是聚合动态的时间重新缩放版本。即使对于单个顺序实现,扩散动力学在时间网络中也较慢。这些差异是由于相互作用的不可解释性造成的。我们用一个简单的时间主题,更大的网络模型和真正的时间网络来说明我们的分析结果。
2013-11-01 cs.SI physics.soc-ph
Temporal Graphs and Temporal Network Characteristics for Bio-Inspired Networks During Optimization
时序网络分析和网络特性的时间演化是描述动态网络拓扑变化的有力工具。本文使用这样的方法,以更好地可视化,并提供分析措施的性能变化,我们观察到的Voronoi型的空间覆盖,特别是时间演变的网络与部署的无线传感器的数量不断变化的例子。具体来说,我们的分析侧重于不可穿透的障碍物和环境噪声的不同组合在连通性和整体网络结构中的作用。它示出了如何使用(i)时间网络图,和(ii)网络中心性和规律性的措施说明了各种选项之间的差异开发的平衡行为的能量和时间效率在网络覆盖范围。最后,我们将这些措施的结果与不太抽象的分类变量进行比较,例如覆盖面积百分比和累计行驶距离。
2021-10-01 cs.MA cs.SI
ITeM: Independent Temporal Motifs to Summarize and Compare Temporal Networks
Pacific Northwest National Laboratory(太平洋西北国家实验室);Washington State University(华盛顿州立大学)
网络是表示各种复杂系统的基本和灵活的方式。许多领域,如通信,引用,采购,生物学,社交媒体和运输,可以建模为一组实体及其关系。时间网络是一般网络的特殊化,其中系统的时间演化与实体和关系的结构一样重要。我们提出了独立的时间模体(ITeM)的时间图从不同的领域进行表征。ITeM是边不相交的时间图案,可以用来模拟图的结构和演化。对于给定的时间图,我们生成ITeM频率的特征向量,并将此分布应用于测量时间图相似性的任务。我们表明,ITeM具有更高的准确性比其他基序频率为基础的方法。我们定义了各种指标的基础上ITeM,揭示了显着的时间网络的属性。我们还提出了重要性采样作为一种有效地估计ITeM计数的方法。我们评估我们的方法合成和真实的时间网络。
2020-08-06 cs.AI cs.SI
Coverage centralities for temporal networks
现实网络系统的结构,如社会关系,可以建模为时间网络,其中每个边只出现在规定的时间。理解时态网络的结构需要量化时态顶点的重要性,这是一对顶点索引和时间。在本文中,我们定义了两个中心性措施的时间顶点的最快时间路径的基础上,使用的时间顶点。该定义是免费的参数和鲁棒性对我们关注的时间尺度的变化。此外,我们可以有效地计算所有时间顶点的中心性值。使用这两个中心性的措施,我们发现,这些中心性值的分布在现实世界的时间网络是异构的。对于各种数据集,我们还证明了大多数高度中心的时间顶点位于一个狭窄的时间窗口内的特定时间。换句话说,在时间网络中发送的大多数信息通过少量时间顶点时存在瓶颈时间,这表明这些时间顶点在传播现象中的重要作用。
2016-02-16 cs.SI physics.soc-ph
Temporal Motif Participation Profiles for Analyzing Node Similarity in Temporal Networks
Case Western Reserve University(凯斯西储大学)
本文提出时间 motif 参与度谱(TMPPs)用于分析时间网络中节点相似性,通过模拟实验和案例研究展示其在揭示节点角色相似性方面的有效性。
2026-02-03 cs.SI physics.soc-ph
Temporal Network Motifs: Models, Limitations, Evaluation
研究具有几个节点/边的小子图的频率和分布,即,motifs是一种有效的静态网络分析方法。模体驱动的分析也是有用的时序网络,其中的频谱的模体是显着更大,由于额外的时间信息的边缘。这种多样性使得设计一个可以考虑时间性各个方面的时间主题模型具有挑战性。在文献中,以前的作品介绍了各种模型,处理不同的特点。在这项工作中,我们比较现有的时间模体模型和评估的方面,时间网络被忽视的文献。我们首先调查四个时间模体模型,并强调他们的差异。然后,我们评估这些模型的优点和局限性的时间诱导性和时间约束。此外,我们建议一个新的镜头,事件对,调查时间相关性。我们相信,我们的比较调查和广泛的评价将促进时间网络模体模型的研究。
2021-05-02 cs.SI physics.soc-ph
Temporal Gravity Model for Important Nodes Identification in Temporal Networks
重要节点识别是网络科学的核心任务之一,对于分析网络结构、理解网络动态过程具有重要意义。大多数现实世界的系统是时变的,可以很好地表示为时间网络。受物理学中经典引力模型的启发,我们提出了一个时间引力模型来识别时间网络中的影响节点。重力模型中的两个关键要素是物体的质量和两个物体之间的距离。在时间引力模型中,我们将节点视为对象,将节点的基本属性,如静态属性和时间属性,视为节点的质量。我们定义时间距离,即,最快到达距离和时间最短距离,作为我们模型中两个节点之间的距离。我们利用我们的模型以及基线中心性的重要节点识别方法。在10个真实数据集上的实验结果表明,时间重力模型在量化节点结构影响方面优于基线方法。此外,当我们使用时间最短距离作为两个节点之间的距离时,我们的模型是鲁棒的,并且与基线方法相比,在量化节点传播影响方面表现最好。
2020-07-04 cs.SI physics.soc-ph
Higher-Order Aggregate Networks in the Analysis of Temporal Networks: Path structures and centralities
最近的研究时间网络突出了静态网络的观点,我们的理解与动态拓扑结构的复杂系统的局限性。特别是,最近的工作表明,i)在现实世界的时间网络中出现的链接的特定顺序影响因果关系结构,从而影响动力学过程的演化,ii)时间网络的高阶聚合表示可以用来分析研究这些顺序相关性对动力学过程的影响。在这篇文章中,我们分析了顺序相关性对基于路径的中心性措施在现实世界的时间网络的影响。在六个经验时间网络中分析中介性,接近性和到达中心性的时间等价物,我们首先表明,对常用的静态,时间聚集表示的分析可能会对节点的实际重要性产生误导。我们进一步研究高阶时间聚合网络,最近提出的推广常用的静态,时间聚合表示的时间网络。在这里,我们特别定义了基于路径的中心性措施的基础上二阶聚合网络,经验验证,以这种方式计算的节点中心性更好地捕捉节点的真实时间中心性比节点中心性计算的基础上常用的静态(一阶)表示。除了提供一个简单而实用的方法近似的基于路径的时间网络的中心性,我们的研究结果突出了有趣的观点,使用高阶聚合网络的时间戳网络数据的分析。
2015-08-26 cs.SI physics.soc-ph
Katz Centrality of Markovian Temporal Networks: Analysis and Optimization
识别复杂网络中的重要节点是网络分析中的一个基本问题。虽然已经提出了过多的措施来识别静态中的重要节点(即,时不变)网络,但是在时间网络的上下文中缺乏工具(即,其连接性随时间动态变化的网络)。本文的目的是提出一种系统理论的方法来识别时间网络中的重要节点。在这个方向上,我们首先提出了一个推广流行的Katz中心性措施的家庭的马尔可夫时间网络使用工具的马尔可夫跳跃线性系统的理论。然后,我们表明,在马尔可夫时间网络的Katz中心可以有效地使用线性规划计算。最后,我们提出了一个凸规划优化Katz中心的一个给定的节点,通过调整的时间网络的权重,在一个具有成本效益的方式。数值模拟说明了所得结果的有效性。
2016-09-19 cs.SI physics.soc-ph
Exploring Temporal Networks with Greedy Walks
时间网络具有各种各样的异质性,从事件序列的突发性到节点和链路激活时间之间的相关性。在本文中,我们将探索后者通过使用贪婪的步行作为探针的时间网络结构。给定一个时间网络(一个接触序列),贪婪遍历总是从第一个可用的接触点开始从一个节点到另一个节点。正因为如此,它们的结构对涉及节点集之间重复接触的时间拓扑模式特别敏感。与时间参考模型相比,这一点在它们每步的小覆盖范围中变得很明显-在经验时间网络中,由于相关的接触模式,贪婪的行走经常被困在小的节点集内。虽然这也可能发生在具有明显社区结构的静态网络中,但时间参考模型的使用将潜在的静态网络结构排除在等式之外,并表明观察结果存在纯粹的时间原因。对贪婪游动结构的进一步分析表明,节点对之间重复接触的突发序列是主导因素。然而,也有更大的模式,如非回溯贪婪遍历所示。我们进一步研究了贪婪行走的熵率,并表明与时间不相关的引用相比,原始数据中已访问节点的序列更具结构性和可预测性。总之,这些结果表明,在时间网络的相关时间拓扑模式的丰富性。
2015-11-02 cs.SI physics.soc-ph
Temporal network sparsity and the slowing down of spreading
时变复杂系统中的相互作用在拓扑层次(谁与谁相互作用)和时间层次(相互作用何时发生以及多久发生一次)上通常是非常异构的。虽然它是已知的,时间的不均匀性往往有很强的动态过程的影响,例如,突发性的接触序列与较慢的传播动态,图片是远远不够完整。在本文中,我们表明,时间的异质性导致时间稀疏的时间尺度上的平均事件间时间,时间稀疏性决定了时间网络上的易感传染病(SI)传播动力学的减速量。这一结果是基于几个经验的时间网络数据集的分析。一个简单的网络模型的近似解证实了时间稀疏性和SI传播动力学放缓之间的关联。由于确定性SI传播总是遵循最快的时间路径,我们的结果概括-路径是较慢的遍历,因为时间稀疏,因此所有的动态过程也较慢。
2014-11-20 cs.SI physics.soc-ph
Spatio-temporal networks: reachability, centrality and robustness
空间和时间网络的最新进展使研究人员能够更准确地描述许多现实世界的系统,如城市交通网络。在本文中,我们研究了现实世界的时空网络的随机错误和系统攻击的响应,采取统一的观点,他们的空间和时间的性能。我们提出了一个模型的时空路径随时间变化的空间嵌入式网络,它捕获的属性,在许多现实世界的系统中,节点之间的相互作用是非瞬时的,并由它们嵌入的空间。通过对三个实际城市交通系统的数值实验,研究了节点失效对网络拓扑结构、时间结构和空间结构的影响。我们还证明了更广泛的适用性,这个框架的其他三个类的网络。为了识别特定的时空系统的行为的弱点,我们引入了中心性措施,评估节点作为结构桥梁的重要性及其在支持时空有效的流量通过网络的作用。这暴露了时空系统脆弱性的复杂本质,表明当网络受到系统性攻击时,会出现各种故障模式。
2016-07-04 cs.SI physics.soc-ph
Path homology and temporal networks
我们提出了一个算法来计算简单的有向图的路径同源性,并用它来拓扑分析各种小的有向图的路线上的分析,表现出这样的有向图作为底层图案的复杂的时间网络。所分析的有向图包括所有有向图、有向无圈图和顶点数不超过一定的无向图,以及一些特殊构造的情况。利用这种分析的信息,我们确定了小的有向图有助于路径同源性的尺寸$2$为三个时间网络,这些有向图网络行为。我们的结论是,路径同源性可以提供洞察时间网络结构,反之亦然。
2020-08-27 cs.SI math.AT
DyCSC: Modeling the Evolutionary Process of Dynamic Networks Based on Cluster Structure
时态网络是一种重要的网络类型,其拓扑结构随时间而变化。与静态网络上的方法相比,时态网络嵌入(TNE)方法面临3个挑战:1)无法描述网络快照间的时态依赖性; 2)节点嵌入在潜在空间中无法反映网络拓扑的变化; 3)无法避免一系列快照上参数继承带来的大量冗余计算。为此,我们提出了一种新的时态网络嵌入方法-动态簇结构约束模型(Dynamic Cluster Structure Constraint Model,DyCSC),其核心思想是通过对网络中节点的簇数趋势施加时态约束来捕捉时态网络的演化.它不仅为节点生成低维嵌入向量,而且保持了时间网络的动态非线性特征。在多个真实数据集上的实验结果证明了DyCSC在时间图嵌入方面的优越性,因为它在多个时间链接预测任务中始终优于竞争方法。此外,消融研究进一步验证了所提出的时间约束的有效性。
2022-12-13 cs.AI cs.SI
Discrete-time Temporal Network Embedding via Implicit Hierarchical Learning in Hyperbolic Space
The Chinese University of Hong Kong(香港中文大学);Noah’s Ark Lab, Huawei Technologies(华为技术有限公司诺亚方舟实验室);Fudan University(复旦大学)
近年来,基于时间网络的表示学习引起了人们的广泛关注。努力主要集中在建模的结构依赖性和时间演变的Euclidean空间,然而,低估了许多现实世界的时间网络的内在复杂性和层次性,导致次优嵌入。为了探索复杂时间网络的这些特性,我们提出了一个双曲时间图网络(HTGN),它充分利用了双曲几何的指数容量和层次意识。HTGN将时间图映射到双曲空间,并结合双曲图神经网络和双曲门递归神经网络,在捕获演化行为的同时,隐式地保持层次信息.此外,在双曲空间中,我们提出了两个重要的模块,使HTGN能够成功地建模时间网络:(1)双曲时间上下文自注意(HTA)模块,以关注历史状态和(2)双曲时间一致性(HTC)模块,以确保稳定性和泛化。在多个真实数据集上的实验结果证明了HTGN在时间图嵌入方面的优越性,因为它在各种时间链接预测任务中始终优于竞争方法。具体而言,HTGN实现了AUC改善高达9.98%的链接预测和11.4%的新的链接预测。此外,烧蚀研究进一步验证了双曲几何的代表能力和建议的HTA和HTC模块的有效性。
2023-01-30 cs.AI cs.SI
TempNodeEmb:Temporal Node Embedding considering temporal edge influence matrix
School of Computer Science, Zhoukou Normal University(周口师范学院计算机科学学院);School of Engineering and IT, University of New South Wales(新南威尔士大学工程与信息技术学院);Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences(中国科学院重庆绿色智能技术研究院);Huayin Institute of Technology(淮阴工学院)
理解现实世界中复杂系统的进化模式,如人类相互作用、交通网络、生物相互作用和计算机网络,对我们的日常生活有着重要的意义。预测这种网络中节点之间的未来联系揭示了时间网络演化的一个重要方面。为了分析网络,它们被映射到邻接矩阵,然而,单个邻接矩阵不能表示复杂的关系(例如时间模式),因此,一些方法考虑时间网络的简化表示,但在高维和一般稀疏矩阵中。因此,邻接矩阵不能被机器学习模型直接用于进行网络或节点级预测。为了克服这个问题,提出了用于学习节点或边的低维向量的自动化框架,作为预测网络中的时间模式(诸如链接预测)的最新技术。然而,这些模型未能考虑网络的时间维度。这一差距促使我们在这项研究中提出了一种新的节点嵌入技术,该技术利用了网络的进化性质,在每个时间步考虑一个简单的三层图神经网络,并通过给定的角度方法提取节点方向。为了证明我们提出的算法的效率,我们评估了我们提出的算法对六个国家的最先进的基准网络嵌入模型的效率,在四个真实的时态网络数据,结果表明,我们的模型优于其他方法在预测未来的链接时态网络。
2020-08-16 cs.LG cs.SI
Applications of Temporal Graph Metrics to Real-World Networks
现实世界的网络呈现出丰富的时间信息:在线社交网络中的朋友随着时间的推移而增加和删除;季节决定了食物网中的捕食者-猎物关系;病毒的传播取决于全天的人类接触网络。最近的研究表明,静态网络分析可能是不适合在现实世界中的网络的研究,因为静态路径忽略了时间顺序,这反过来又导致静态最短路径高估可用链路和低估其真实对应的长度。基于时间最短路径的中心性和效率度量的时间扩展也被提出。首先,我们分析了在破产丑闻的背景下,根据时间中心性排名的公司网络的关键个人的角色;其次,我们提出了如何使用这种时间度量来研究随机错误和智能攻击存在下的时间网络的鲁棒性;第三,我们研究了可以通过短距离无线电传播的手机恶意软件的遏制方案,类似于生物病毒;最后,我们研究了如何利用人类互动的时间网络结构来有效地免疫人类群体。通过这些应用程序,我们证明了时间度量提供了一个更准确和有效的分析现实世界的网络相比,他们的静态同行。
2013-05-29 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
Proposal for a Correction to the Temporal Correlation Coefficient Calculation for Temporal Networks
当评估时间演化网络中时间相邻图之间的变化时,测量两个图的拓扑重叠变得很重要。当前的方法依赖于具有持久边缘的节点的分数。当存在没有边的节点时,这种情况就会发生,无论是持久性的还是其他的。下面概述了一个建议的修正,以确保相关性度量具有预期的行为。
2014-03-05 cs.SI physics.soc-ph
Random Walks on Stochastic Temporal Networks
在网络动力学过程的研究中,人们一直非常关注网络结构,即,边缘的排列及其相关权重--但边缘的时间模式的影响仍然知之甚少。在本章中,我们使用一种方法为时间网络上的随机游走开发了一个数学框架,该方法在抽象但不现实的模型和数据驱动但非数学方法之间提供了一种折衷。要做到这一点,我们引入了一个随机模型的时间网络中,我们总结了一个系统的时间和结构组织使用的矩阵的等待时间分布。我们证明了随机时间网络上的随机游动可以用一个积分-微分主方程精确地描述,并导出了其渐近稳定状态的解析表达式。我们还讨论了我们的工作如何有助于建立时间网络的中心性措施。
2013-06-04 cs.SI physics.soc-ph
Temporal Network Comparison using Graphlet-orbit Transitions
网络被广泛用于模拟现实世界的系统,并揭示其拓扑特征。在许多真实世界的网络中,已经计算了网络的度分布和最短路径长度等网络属性,其中大多数都被证明是无标度和小世界网络。小图和网络基序是子图模式,它们捕获的结构信息比前面提到的全局网络属性更丰富,这些局部特征通常用于网络比较。然而,过去关于小图和网络图案的工作几乎只适用于静态网络。许多系统更好地表示为时间网络,它不仅描述了系统在给定阶段的状态,还描述了它们是如何演化的。时间相关的信息在时间网络中至关重要,如果忽略这些数据,静态方法无法获得最佳结果。本文介绍了一种扩展的时间网络的graphlets。我们提出的方法枚举每个网络快照中的所有4节点图轨道,在这个过程中建立相应的轨道转移矩阵。我们的假设是,网络代表类似的系统有特征的轨道转换,更好地识别它们比简单的静态模式,这是评估一组真正的时间网络分为类别。为了进行时间网络比较,我们提出了一个轨道转移协议度量(OTA)。OTA正确地将一组静态网络图案和小图都不能充分地这样做的时间网络分组。此外,我们的方法产生可解释的结果,我们用它来揭示特征轨道转换,这可以被视为一个网络指纹。
2017-07-14 cs.SI physics.soc-ph
Analysing Collective Behaviour in Temporal Networks Using Event Graphs and Temporal Motifs
历史上,对网络行为的研究主要集中在个人行为(基于节点)或整个网络的聚合行为上。我们提出了一种新的方法来分解一个时间网络的宏观组件,并分析这些组件的行为,或集体的节点,跨时间。该方法利用时间网络中的所有可用信息(即没有时间聚合),使用时间主题和事件间时间将拓扑结构和时间结构相结合。这使我们能够创建一个时间网络的嵌入,以描述随着时间的推移和不同时间尺度的行为。我们使用从在线社交网络收集的数字通信数据的例子来说明这种方法。
2018-08-15 cs.SI nlin.AO physics.soc-ph
Duality between Temporal Networks and Signals: Extraction of the Temporal Network Structures
我们开发了一个框架来跟踪的结构的时间网络的信号处理方法。该方法是基于网络和信号之间的对偶性,使用多维尺度技术。这使得能够使用相应信号的频率模式来研究网络结构。提出了一种扩展的时间网络,从而使网络结构的跟踪随着时间的推移。一种方法来自动提取最显着的频率模式和激活系数随时间的推移,然后介绍,使用非负矩阵分解的时间谱。该框架受音频分解的启发,允许将这些频率模式转换回网络,以突出网络底层结构随时间的演变。该方法的有效性首先证明了一个玩具的例子,之前被用来研究一个时间网络的面对面的接触。子网络的提取突出了在时间间隔上分解的重要结构。
2015-05-12 cs.DM cs.SI physics.soc-ph
Temporal and structural heterogeneities emerging in adaptive temporal networks
我们介绍了一个模型的自适应时间网络的演变是由节点活动和动态交换信息之间的相互作用,通过链接。我们使用主方程的方法研究模型。从一个均匀的初始配置,我们表明,时间和结构的异质性,现实世界的网络的特点,自发出现。因此,这个理论上易于处理的模型有助于理解人类活动和互动网络的动态。
2016-04-04 cs.SI nlin.AO physics.soc-ph
ONBRA: Rigorous Estimation of the Temporal Betweenness Centrality in Temporal Networks
University of Padova(帕多瓦大学)
在网络分析中,节点的介数中心性非正式地捕获访问该节点的最短路径的分数。介数中心性度量的计算是现代网络分析中的一项基本任务,可以识别此类网络中的最中心节点。除了规模庞大之外,现代网络还包含有关事件发生时间的信息。此类网络通常称为时间网络。时间信息使得时间网络中的介数中心性的研究(即,时间介数中心性)比静态网络更具挑战性(即,没有时间信息的网络)。此外,时间介数中心性的精确计算通常在即使是中等规模的网络上也是不切实际的,因为它的计算成本非常高。一个自然的方法,以减少这种计算成本是获得高质量的时间介数中心的精确值的估计。在这项工作中,我们提出了ONBRA,第一次采样为基础的近似算法估计时间网络中的节点的时间介数中心值,提供严格的概率保证其输出的质量。ONBRA能够在两种不同的最优性准则下计算时间网络的最短路径的时间介数中心性值的估计。此外,ONBRA利用\emph{empirical Bernstein bound}(一种先进的集中不等式)输出具有精确理论保证的高质量估计值。最后,我们的实验评估表明,ONBRA显着减少了几个真实世界网络的时间介数中心的精确计算所需的计算资源,同时报告高质量的估计与严格的保证。
2022-03-01 cs.DS cs.LG cs.SI
Detecting Dynamic States of Temporal Networks Using Connection Series Tensors
许多时间网络表现出多个系统状态,如社会联系网络中的工作日和周末模式。在时间网络数据中检测这种不同的状态最近已经被探索,因为它有助于揭示潜在的动力学过程。一种常用的方法是在时间窗口上进行网络聚合,将多个网络快照的子序列聚合到一个静态网络中。然而,该方法必然丢弃时间窗口内的时间动态。在这里,我们开发了一种新的方法来检测动态状态的时间网络使用的信息,每对节点之间的接触的时间轴。我们应用一个相似性度量的技术处理时间序列和社区发现顺序分解成多个动态(包括重复的)一个给定的时间网络。实验表明,我们的方法优于传统的方法,使用简单的网络聚合揭示可解释的系统状态。此外,我们的方法允许用户分析层次的时间结构,并发现在不同的空间/时间分辨率的动态状态。
2020-08-19 cs.SI cs.SY eess.SY
Motifs in Temporal Networks
网络是在各种领域中对复杂系统进行建模的基本工具,包括社会和通信网络以及生物学和神经科学。网络中的小子图模式,称为网络模体,对于理解这些系统的结构和功能至关重要。然而,在时间网络中,其中包含许多节点之间的时间戳链接的网络图案的作用,还没有很好地理解。在这里,我们开发了一个概念的时间网络的基本单元的时间网络的图案,并提供了一个通用的方法来计算这样的图案。我们定义的时间网络图案的时间边缘序列上的诱导子图,设计快速算法计数的时间图案,并证明其运行时的复杂性。与基线方法相比,我们的快速算法实现了高达56.5倍的加速比。此外,我们使用我们的算法来计算各种网络中的时间图案。结果表明,来自不同领域的网络具有显着不同的模体计数,而来自相同领域的网络往往具有相似的模体计数。我们还发现,不同的模体发生在不同的时间尺度,这提供了进一步的见解的结构和功能的时间网络。
2016-12-29 cs.SI physics.soc-ph stat.ML
Temporal motifs in time-dependent networks
时间网络通常用于表示元素之间的连接仅在有限的时间段内有效的系统,例如电信网络,神经信号处理,生化反应和人类社会互动。我们引入时间模体的框架来研究时间网络的中尺度拓扑-时间结构,其中节点的事件在时间上不重叠。时间模体是一类相似的事件序列,其中相似性不仅指拓扑结构,而且指事件的时间顺序。我们提供了一个映射从事件序列到彩色有向图,使一个有效的算法识别时间图案。我们讨论了一些方面的时间图案,包括因果关系和空模型,并提出了一个大型的移动电话网络的时间图案的基本统计。
2011-10-10 cs.SI physics.data-an physics.soc-ph
Temporal Walk Centrality: Ranking Nodes in Evolving Networks
我们提出了时间步行中心性,它量化了一个节点的重要性,通过测量其能力,以获得和分发信息的时间网络。与广泛使用的介数中心性相反,我们假设信息不一定在最短路径上传播,而是在满足网络时间约束的时间随机游走上传播。我们发现,时间步行中心性可以识别节点发挥中心作用的传播过程中,可能无法检测到相关的介数概念和其他常见的静态和时间的中心性措施。我们提出了精确的和近似算法不同的运行时间取决于时间网络的属性和我们的新的中心性措施的参数。一个技术的贡献是一个通用的方法来提升现有的代数方法计算静态网络的时间网络中的行走。我们在真实世界的时态网络上的实验表明,我们的算法的效率和准确性。最后,我们证明了时间步行中心性的排名通常与其他最先进的时间中心性的排名显着不同。
2022-02-08 cs.DS cs.IR cs.SI
Betweenness Preference: Quantifying Correlations in the Topological Dynamics of Temporal Networks
我们研究了时间网络中的相关性,并引入了介数偏好的概念。它允许量化到什么程度的路径,存在于时间聚集表示的时间网络,实际上是可实现的基础上的相互作用的顺序。我们发现,介数偏好是存在于经验的时间网络数据,它会影响最短的时间尊重路径的长度。使用四个不同的数据集,我们进一步认为,忽略介数偏好导致错误的结论的动态过程的时间网络。
2013-05-02 cond-mat.stat-mech cs.SI physics.soc-ph
weg2vec: Event embedding for temporal networks
ISI Foundation(ISI基金会);Alma Mater Studiorum University of Bologna(博洛尼亚大学);Central European University(中欧大学);Univ de Lyon(里昂大学);ENS de Lyon(里昂高等师范学院);INRIA(法国国家信息与自动化研究所);CNRS(法国国家科学研究中心);IXXI(里昂复杂系统研究所)
网络嵌入技术是强大的,以捕捉网络中的结构化的,并确定其本地结构之间的相似性。然而,传统的网络嵌入模型是针对静态结构开发的,通常只考虑节点,当网络随时间变化时,它们受到严重挑战。时间网络在描述真实系统方面可能具有优势,但它们编码的是更复杂的信息,到目前为止,只有少数几种方法才能有效地表示这些信息。在这里,我们提出了一种新的时间网络的事件嵌入方法,称为weg2vec,它建立在事件的时间和结构相似性上,以学习时间网络的低维表示。这种投影成功地捕捉到了涉及不同时间不同节点的事件之间的潜在结构和相似性,并提供了预测在时间结构上展开的传播过程的最终结果的方法。
2019-11-06 cs.LG cs.SI physics.soc-ph
Optimal Containment of Epidemics in Temporal and Adaptive Networks
在本章中,我们重点讨论了在时间网络和自适应网络中控制疾病传播的问题(即,其结构“适应"疾病状态的网络)。我们特别关注的问题是找到遏制资源的最佳分配(例如,疫苗、医务人员、交通管制资源等)消除流行病爆发的时间和自适应网络的以下三个模型:(i)马尔可夫时间网络,(ii)聚合马尔可夫时间网络,(iii)随机自适应模型。对于每一个模型,我们提出了一个严格和易于处理的数学框架,有效地找到控制资源的最佳分配,以消除疾病。与其他现有的结果相比,我们的结果不是基于启发式控制策略,而是基于纪律分析,使用工具从动力系统和凸优化。
2016-12-20 cs.SI math.OC physics.soc-ph
Path lengths, correlations, and centrality in temporal networks
在时间网络中,节点通过临时事件序列进行交互,信息或资源只能通过遵循事件时间顺序的路径流动。这种时间路径在动态过程中起着至关重要的作用。然而,由于网络到目前为止通常被认为是静态或准静态的,时间路径的属性还没有得到很好的理解。基于节点间平均时间距离的定义和算法实现,我们研究了人类通信和航空运输经验网络中的时间路径。虽然时间距离与静态图距离相关,但存在很大的扩展,并且从静态网络视图看起来很近的节点可能通过慢速路径连接或根本不连接。静态属性和时间属性之间的差异在时间贴近度中心性的研究中得到了进一步的强调。此外,相关性和异质性的基础事件序列的影响时间路径长度,增加时间距离的通信网络和减少它们在空中运输网络。
2011-07-19 cond-mat.dis-nn cs.SI physics.data-an
An algebraic approach to temporal network analysis based on temporal quantities
在时间网络中,节点和链接的存在和活动可以随着时间而变化。为了描述时间网络,我们引入了时间量的概念。我们以一种可以用于时间网络的加法和乘法的定义的方式来定义时间量的加法和乘法。相应的代数结构是半环。对时间网络进行(数据)分析的常用方法是将其转换为一系列时间片-对应于选定时间间隔的静态网络,并使用标准方法分析每个时间片以产生一系列结果。本文提出的方法使我们能够直接计算这些结果。我们为所提出的操作开发了快速算法。它们可以作为一个开源Python库TQ(Temporal Python)和一个程序Ianus使用。所提出的方法使我们能够将其他网络特征(例如度、连接性组件、中心性度量、Pathfinder骨架等)视为时间量。为了说明所开发的工具,我们展示了对Franzosi的暴力网络和Corman的暴力网络的分析的一些结果路透社恐怖新闻网络。
2015-07-25 cs.DM cs.SI math.CO
Temporal motifs reveal homophily, gender-specific patterns and group talk in mobile communication networks
电子通信记录提供了关于人类交互的时间方面的详细信息。以往的研究表明,个体的交流模式具有复杂的时间结构,这种结构具有系统范围的影响。在本文中,我们使用移动电话记录表明,涉及多个人的互动模式具有非平凡的时间结构,不能推断出从网络演示,其中只考虑互动频率。我们应用最近推出的方法,时间图案,以确定在时间网络中的节点有额外的属性,如性别和年龄的互动模式。然后,我们开发了一个空模型,允许识别各种类型的节点之间的差异,使这些差异是独立的网络的基础上的互动频率。我们发现性别相关的差异,在通信模式,并显示存在的时间同质性,类似的个人参与互动模式的趋势超出了预期的网络结构的基础上。我们还表明,时间模式不同的密集和稀疏的网络部分。因为这个结果与边的权重无关,所以它可以被认为是Granoblutter假设在时间网络中的扩展。
2013-02-11 cs.SI physics.data-an physics.soc-ph
Semirings for temporal network analysis
在本文中,我们描述了一个新的代数方法的时间网络分析的时间量的概念的基础上。我们定义的半环计算的最重要的旅程和旅行半环的时间网络的延迟是给定的分析,等待时间是任意的,和一些其他信息的链接是已知的。我们使用旅行半环中的操作来计算节点的广义时间介数中心性,其对应于时间网络中节点相对于无处不在的最重要旅程的重要性。
2016-03-27 cs.DM cs.SI math.CO
Exploring the structure and function of temporal networks with dynamic graphlets
随着实时网络数据量的不断增加,如何有效地研究这些数据成为一个重要的问题。人们可以简单地将时间网络建模为单个聚合静态网络,或者一系列特定于时间的快照,其中每个快照都是相应时间窗口上的聚合静态网络。以这两种方式对时态数据建模的优点在于,人们可以使用现有的用于静态网络分析的成熟方法来研究所得到的聚合网络。在这里,我们开发了一种新的方法,更明确地研究时间网络数据。我们基于我们的方法,建立在良好的概念graphlets(子图),这已成功地用于在静态网络研究的许多情况下。在这里,我们将静态小图的概念提升到了一个新的水平,并开发了新的理论,以允许对时间网络进行基于小图的分析。我们的新概念的动态graphlets是完全不同的动态网络分析,是基于时间图案(统计上显着的子图)的现有方法。也就是说,这些方法受到许多限制。例如,它们只能处理有限复杂度的子图结构。此外,他们的主要缺点是,他们的结果严重依赖于一个零网络模型的选择,需要评估一个子图的重要性。然而,选择一个合适的零网络模型是一个不平凡的任务。我们的动态graphlet方法克服了现有的基于时序的方法的局限性。与此同时,当我们彻底评估我们的新方法来表征整个时间网络或单个节点的结构和功能的能力时,我们发现动态图方法优于静态图方法,这表明考虑时间信息是有帮助的。
2014-12-12 cs.SI physics.soc-ph q-bio.MN
The Temporal Event Graph
时间网络越来越多地被用于模拟复杂系统的相互作用。大多数研究需要将边缘(或事件)的时间聚合成离散的时间步长来执行分析。在这篇文章中,我们描述了一个静态的,无损的,和唯一的时间网络表示,时间事件图(TEG)。TEG描述的时间网络的事件间的时间和两个事件的时间模体分布。通过统一考虑这些分布,我们提供了一种新的方法来描述时间网络中个人和集体的行为,并提供了网络的自然分解。我们说明了实用的TEG合成和真实的时间网络上提供的例子。
2017-06-07 cs.SI nlin.AO physics.data-an