The microscale organization of directed hypergraphs
Central European University(中欧大学);University of Trento(特伦托大学)
本文提出了一种框架,用于表征有向超图在微观尺度上的结构组织,通过指纹提取、互惠性测量和动机分析,揭示现实系统中的结构原理。
2025-12-16 cs.SI physics.soc-ph
Finding Influential Cores via Normalized Ricci Flows in Directed and Undirected Hypergraphs with Applications
本文提出基于超图曲率的离散扩散过程,结合拓扑手术和边权重归一化,用于有向和无向超图中寻找有影响力核心,并在代谢和社交超图上验证了可行性。
2025-02-22 cs.CE cs.SI physics.soc-ph
A Measurement Framework for Directed Networks
通过基于链路跟踪的采样方法收集的部分观测网络数据经常被研究以获得大型复杂网络的特征。然而,很少有人注意到从有向网络,如WWW和对等网络的采样。在本文中,我们提出了一种新的两步(采样/估计)框架来测量节点的特性,可以定义在任意有向网络的平均目标函数。为此,我们提出了一个个性化的PageRank为基础的算法来访问和采样节点。该算法只使用已经访问过的节点作为局部信息,而不需要任何关于网络潜在结构的先验知识。在此基础上,提出了一种新的基于近似重要性采样的平均目标函数估计方法。该估计器利用每个采样节点的PageRank值作为精确访问概率的近似值。据我们所知,这是第一次研究纠正偏差的抽样方法重新加权的测量值,认为访问概率的近似效果。综合的理论和实证分析的估计表明,它是渐近无偏的,即使在静态分布的PageRank是很差的近似的情况下。
2014-05-27 cs.SI physics.soc-ph
FrogWild! -- Fast PageRank Approximations on Graph Engines
我们提出了FrogWild,一种新的算法快速近似高PageRank顶点,面向降低网络成本的运行传统的PageRank算法。我们的算法可以被看作是一个量化版本的功率迭代,执行多个并行的随机游走在一个有向图。一个重要的创新是,我们引入了一个修改的GraphLab框架,只有部分镜像顶点。这种部分同步极大地减少了传统PageRank算法产生的网络流量,从而大大降低了PageRank的每次迭代成本。另一方面,这种部分同步也会在用于估计PageRank的随机游走之间创建依赖关系。我们的主要理论创新是分析的相关性引入的部分同步过程和建立我们的近似接近真实的PageRank向量的约束。我们在GraphLab中实现了我们的算法,并将其与默认的PageRank实现进行了比较。我们证明了我们的算法非常快,在Twitter图上执行每次迭代不到一秒,并且与标准GraphLab PageRank实现相比,速度可以快7倍。
2015-02-15 cs.DC cs.IT cs.SI
Higher-order rich clubs and configuration models on general directed hypergraphs
Nottingham Trent University(诺丁汉特伦特大学);Max Planck Institute for Mathematics in the Sciences(马克斯·普朗克科学计量学研究所);Institute of Clinical and Preventive Medicine, University of Latvia(拉脱维亚大学临床与预防医学研究所);Graz University of Technology(格拉茨工业大学);Computer and Information Sciences, University of Strathclyde(思克莱德大学计算机与信息科学学院);Max Planck Institute of Molecular Cell Biology and Genetics (MPI-CBG)(马克斯·普朗克分子细胞生物学与遗传学研究所);Center for Systems Biology Dresden (CSBD)(德累斯顿系统生物学中心)
本文针对一般有向超图提出超富俱乐部流程,统一多种有向超图概念,可检测标准图富俱乐部遗漏的各类网络中有意义的高阶结构。
2026-09-16 cs.SI math.CO physics.soc-ph
Hypergraphs as Weighted Directed Self-Looped Graphs: Spectral Properties, Clustering, Cheeger Inequality
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Meta
本文提出了一种基于随机游走的超图谱聚类算法HyperClus-G,解决了EDVW超图的谱理论、聚类和切比雪夫不等式问题。
2026-02-20 cs.DM cs.DS cs.LG
PageRank and rank-reversal dependence on the damping factor
PageRank(PR)是Google最初开发的一种算法,用于评估网页的重要性。考虑到Google的PR算法对于收集相关信息或现代企业的成功有多么根深蒂固,排名稳定性和阻尼因子(算法中的一个参数)的选择问题显然很重要。我们调查PR作为一个函数的阻尼因子d从万维网的一个域获得的网络上,发现排名反转经常发生在广泛的PR(和d)。我们使用三种不同的相关性度量,Pearson,Spearman和Kendall,来研究d变化时的秩反转,并表明PR向量的相关性随着d从其经常引用的值$d_0=0.85$的变化而迅速下降。秩反转也观察到通过测量斯皮尔曼和肯德尔秩相关,评估相对排名,而不是绝对PR。秩反转不仅发生在有向网络包含秩汇,但也在一个单一的强连接组件,根据定义不包含任何汇。我们将秩反转与有向网络结构中的秩口袋和瓶颈联系起来。对于所研究的网络,相对秩是更稳定的$d=0.65$比在$d=d_0$我们的措施。
2012-01-23 cs.SI physics.data-an physics.soc-ph
Local Clustering on Complex Graphs and Complex Hypergraphs
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Meta
本文通过扩展非近似的Andersen-Chung-Lang (ACL)聚类算法,提出了GeneralACL和HyperACL两种算法,分别适用于带权、有向、自环图以及边依赖顶点权重的超图,并证明了在温和条件下它们能识别出电导率二次最优的聚类。
2026-06-02 cs.DS cs.LG cs.SI
SVD Incidence Centrality: A Unified Spectral Framework for Node and Edge Analysis in Directed Networks and Hypergraphs
Instituto Curvelo(Curvelo研究所);Federal University of Espirito Santo(埃斯皮里托桑托联邦大学)
SVD Incidence Centrality 提出了一种基于 incidence 矩阵奇异值分解的统一谱框架,用于有向网络和超图中节点和边的中心性分析,解决了传统方法在方向信息保留和稀疏性问题上的不足。
2026-02-17 cs.SI physics.soc-ph
FAST-PPR: Scaling Personalized PageRank Estimation for Large Graphs
我们提出了一个新的算法,快速PPR,估计个性化的PageRank:给定的开始节点$s$和目标节点$t$在一个有向图,并给定一个阈值$δ$,快速PPR估计个性化的PageRank $π_s(t)$从$s$到$t$,保证一个小的相对误差,只要$π_s(t)>δ$。这个问题的现有算法的运行时间为$Ω(1/δ)$ ;相比之下,FAST-PPR的可证明平均运行时间保证为${O}(\sqrt{d/δ})$(其中$d$是图的平均入度)。这是一个显著的改进,因为对于应用程序,$δ$通常是$O(1/n)$(其中$n$是节点数)。我们还补充了该算法的PageRank估计的$Ω(1/\sqrtδ)$下限,表明对$δ$的依赖不能得到改善。我们进行了详细的实证研究,大量的图形,表明快速PPR显着优于现有的算法。例如,在具有15亿条边的2010年Twitter图上,对于按流行度采样的目标节点,FAST-PPR具有超过现有技术的$20$因子加速。此外,FAST-PPR的增强版本在Twitter图上具有$160$因子加速,并且在我们所有的候选图上至少快$20$倍。
2014-08-22 cs.DS cs.SI
Higher-order null models as a lens for social systems
针对有向超图分析工具不足的问题,本研究提出两种微正则零模型及对应高效MCMC采样算法,并通过社会学、流行病学、经济学三个跨学科用例验证了其在高阶结构分析中的有效性。
2024-09-17 cs.SI physics.data-an
Hypergraph Change Point Detection using Adapted Cardinality-Based Gadgets: Applications in Dynamic Legal Structures
本文提出一种适配基于基数的gadget方法,将超图转换为强连通加权有向图并结合对称化组合拉普拉斯算子,有效保留割信息,在动态变点检测实验中优于团扩展和星扩展,并成功应用于美国法院意见构建的动态法律超图分析。
2024-10-14 cs.SI
Metric recovery from directed unweighted graphs
我们分析了有向的,从$x_i\in \mathbb{R}^d$通过连接顶点$i$ $j$当且仅当$|x_i - x_j| < ε(x_i)$。这样的图的示例包括$k$ -最近邻图,其中$ε(x_i)$从点到点变化,并且可以论证的是,许多真实世界的图,诸如共同购买图。我们问,我们是否可以恢复基本的欧几里得度量$ε(x_i)$和相关的密度$p(x_i)$只给定有向图和$d$。我们表明,一致的恢复是可能的等距缩放时,顶点的程度至少是$ω(n^{2/(2+d)}\log(n)^{d/(d+2)})$。我们的估计是基于有向图和相关的连续极限上的随机游走的仔细表征。作为一种算法,它类似于PageRank中心性度量。我们的经验表明,估计执行模拟的例子,以及在现实世界中的共同购买的图形,即使有少量的点和程度缩放低至$\log(n)$。
2014-11-20 cs.SI math.ST stat.ME
The Popularity-Homophily Index: A new way to measure Homophily in Directed Graphs
在网络中,有充分证据表明,具有相似特征的人形成联系的趋势被称为同质性原则。能够将同性恋量化为一个数字,对现实世界有着重大的影响,从政府资金分配到社会学模型中的参数微调。本文引入了一种新的度量有向图同质性的度量方法--大众同质性指数(PH指数)。PH指数考虑了交互网络中每个参与者的受欢迎程度,受欢迎程度是通过重要性算法(如Google PageRank)预先计算的。PH指数通过对导致重要演员的同性恋边缘进行加权,而不是对导致不太重要演员的同性恋边缘进行加权,从而改进了其他现有措施。PH指数不仅可以针对有向图中的单个节点计算,而且可以针对整个图计算。本文计算了两个样本图的PH指数,并总结了PH指数的优点和缺点,以及它在现实世界中的潜在应用。
2021-08-29 cs.DM cs.SI