Are Social Networks Really Balanced?
长期以来，人们一直认为，在同时存在友好/敌对互动的社交网络（签名网络）中，普遍存在全球平衡的趋势。平衡代表了网络中没有争议的情况。在这里，我们介绍一种方法来量化任何签名（社交）网络的平衡程度。它考虑了网络中所有有符号圈的贡献，并与经验证据相一致，对较短的圈比对较长的圈给予更多的权重。我们发现，与人们所认为的相反，许多签名的社交网络--特别是非常大的定向在线社交网络--一般来说是非常不平衡的。我们还表明，不平衡的状态可以通过调整网络中的代理之间的社会互动的权重来改变。
2014-06-09 cs.SI physics.soc-ph
Efficient algorithm based on non-backtracking matrix for community detection in signed networks
社区检测或聚类是理解复杂系统结构的关键任务。在某些网络中，节点可以被“正”或“负”边连接，这样的网络被称为带符号网络。发现签名网络中的社区比发现未签名网络中的社区更具挑战性。在这项研究中，我们创造性地开发了一个非回溯矩阵的签署网络，理论上推导出一个可检测性阈值，并证明了使用该矩阵的社区检测的可行性。通过考虑网络中的平衡路径（称为平衡非回溯矩阵），我们进一步改进了所开发的矩阵。仿真结果表明，基于平衡非回溯矩阵的算法明显优于基于邻接矩阵和符号非回溯矩阵的算法。建议（改进）矩阵显示出巨大的潜力，用于检测社区有或没有重叠。
2020-10-10 cs.SI physics.soc-ph
Balanced Butterfly Counting in Bipartite-Network
本文研究有符号二分图中的平衡蝴蝶计数问题，提出高效分桶算法及其并行版本，并在九个真实数据集上验证其显著加速效果。
2023-08-09 cs.SI
Signed Graph Unlearning
针对现有图遗忘方法不适用于有符号网络、易导致结构失衡的问题，本文提出SGU框架，通过新型划分范式和算法保留边符号信息、保证结构平衡，在模型性能和遗忘效率上达SOTA。
2025-10-30 cs.SI
Community Detection in Signed Networks: an Error-Correcting Code Approach
在本文中，我们考虑了签名网络中的社区发现问题，其中有两种类型的边缘：积极的边缘（朋友）和消极的边缘（敌人）。一个著名的签名网络定理，被称为Harary定理，指出结构平衡的签名网络是可聚类的。通过将签名网络中的每个循环视为奇偶校验约束，我们证明了具有两个社区的签名网络中的社区发现问题等价于奇偶校验码的解码问题。我们还展示了如何使用两个著名的解码算法在纠错码的社区发现在签署的网络：位翻转算法，和信念传播算法。除了这两个算法，我们还提出了一个新的社区发现算法，称为汉明距离算法，执行社区发现通过找到一个码字，最大限度地减少汉明距离。我们比较这三种算法的性能进行各种实验与已知的地面真相。我们的实验结果表明，我们的汉明距离算法优于其他两个。
2017-05-11 cs.SI
Embedding-aware Polarization Management in Signed Networks
Ulsan National Institute of Science and Technology (UNIST)（蔚山科学技术院）；Hanyang University（汉阳大学）
EPM提出了一种统一的极化管理框架，通过有效电阻和结构平衡中介节点缓解极化，保持任务相关网络结构。
2026-02-25 cs.SI
Characterizing Attitudinal Network Graphs through Frustration Cloud
态度网络图是有符号图，其中边捕获表达的意见;由边连接的两个顶点可以是一致的（积极的）或对抗的（消极的）。一个符号图称为平衡图，如果它的每个圈都包含偶数条负边。平衡通常由挫折指数或通过找到网络共识的单一收敛平衡状态来表征。在本文中，我们建议扩大措施的共识，从一个单一的平衡状态与挫折指数的最接近的平衡状态。我们引入的挫折云作为一组所有最近的平衡状态，并使用图平衡算法，以确定性的方式找到所有最近的平衡状态。计算问题的解决，通过测量的共识概率，我们引入了新的顶点和边的指标来量化的状态，协议和影响。我们还介绍了一个新的全球措施的争议，为一个给定的签署图，并表明，顶点的地位是一个零和游戏的签署网络。我们提出了一种高效的可扩展算法，用于计算社交网络中基于云的挫败度测量以及多达80，000个顶点和50万条边的调查数据。我们还展示了所提出的方法相比，谱聚类和自动识别网络中的主导顶点和异常决策时，社区发现提供判别特征的力量。
2021-08-17 cs.CY cs.IR cs.SI
Applications of Structural Balance in Signed Social Networks
我们提出的措施，模型和链接预测算法的基础上签署的社交网络的结构平衡。某些社交网络除了通常的“朋友”链接外，还包含“敌人”链接。这些网络被称为签名社交网络。签名社交网络的经典和主要概念是结构平衡，即，三角形趋向于“平衡”，包括偶数个负边，如朋友-朋友-朋友和朋友-敌人-敌人三角形。在这篇文章中，我们介绍了几个新的签署网络分析方法，利用结构平衡测量部分平衡，发现社区的人的基础上平衡，绘制签署社交网络，并解决问题的链接预测。值得注意的是，所介绍的方法是基于符号图拉普拉斯算子和符号电阻距离的概念。我们评估我们的方法上收集的四个签名的社交网络数据集。
2014-02-27 cs.SI physics.soc-ph
Visualizing structural balance in signed networks
网络可视化已经成为网络分析的重要补充，因为各种各样的现有网络布局能够以图形方式突出显示网络的不同属性。然而，签名网络，即，边缘被标记为友好（积极）或对抗（消极）的网络是很少的这种布局的目标，并且据我们所知，没有一个能够显示结构平衡，即，周期趋向于包含偶数个负边缘，这是研究摩擦和极化的著名理论。在这项工作中，我们提出了结构平衡即：一种新的可视化方法，显示连接的签名网络是否平衡，在后一种情况下，网络是如何接近平衡。Structural-balance-viz利用符号拉普拉斯矩阵的谱计算将网络的节点放置在笛卡尔坐标系中，类似于天平（天平）。此外，它使用边着色和捆绑来区分积极和消极的相互作用。所提出的可视化方法具有在各种网络分析任务中所需的特性：结构平衡-viz能够提供整个网络和每个节点的平衡/极化的指示，根据它们的极化来识别两个派系的节点，并显示它们的累积特性。此外，布局是可复制的，易于比较。Structural-balance-viz在合成生成的网络上进行了验证，并应用于关于政治辩论的真实数据集，证实它能够提供有意义的解释。
2019-11-30 cs.SI physics.soc-ph
SI based disease model over signed network
符号网络是将网络中的每条边与一个正或负的符号相关联，以表示个体之间的友好或不友好关系的网络。当疾病在签名网络上传播时，一些不友好的边可能会拒绝传播。此外，符号网络是动态的，根据符号网络研究中最重要的理论--结构平衡理论，符号网络中的边会随着时间的推移而符号翻转。疾病的传播与符号网络的演化如何相互作用成为一个具有挑战性的问题。本文提出了一种描述疾病传播和网络共同演化的能量函数，并引入了结构和传播平衡的概念。本文推广了Cartwright的结构平衡理论，提出了一个结构与扩散定理.最后，我们在完全符号网络上进行了蒙特卡罗模拟，验证了我们的定理。在实验中，我们发现带符号网络在疾病传播过程中具有自身免疫性，这可以用来解释通过隔离来隔离强毒病毒的现象。
2018-03-21 cs.SI physics.soc-ph
Emergent Behaviors over Signed Random Dynamical Networks: Relative-State-Flipping Model
我们研究了一组动态演化的符号随机网络中相互作用的节点之间出现的渐近动力学模式，其中正链接进行标准的共识和负链接诱导相对状态翻转。一系列确定性符号图定义了独立发生的潜在节点交互。每个节点从其正邻居接收与标准共识算法一致的正推荐，并且从其负邻居接收由相对状态翻转定义的负推荐。每个节点收到这些推荐后，对每个推荐赋予确定的权重，然后通过由两个Bernoulli随机变量定义的随机关注度，将这些加权推荐编码到节点的状态更新中。我们建立了一些条件，几乎必然收敛和发散的节点状态。我们还提出了一个条件，几乎必然的状态聚类的基本弱平衡图，与几个鞅收敛引理的帮助下。当前的相对状态翻转模型与Altafini 2013和Shi et al. 2014中考虑的状态翻转模型在确定性权重和随机关注对节点状态演化的影响方面存在一些根本差异。
2014-12-05 cs.SI
Measuring Partial Balance in Signed Networks
敌人的敌人一定是朋友吗？如果不是，这在多大程度上倾向于成立？这些问题是根据签名（社会）网络制定的，并在1960年左右获得了网络“平衡”的必要和充分条件。从那时起，签名网络随着时间的推移趋于变得更加平衡的想法已被广泛应用于多个应用领域。然而，由于缺乏部分平衡的标准衡量标准，对这一假设的研究变得复杂，因为在实践中几乎从未实现过完全平衡。我们形式化的部分平衡的措施的概念，讨论各种措施，比较合成数据集上的措施，并调查其公理性质。合成数据涉及Erdens-Rényi和特殊结构的随机图。我们表明，一些措施的行为比别人更好的公理和能力，区分图。我们还使用了来自社会学和生物学文献的知名数据集，例如Read的新几内亚部落，与两种生物体相关的基因调控网络，以及涉及参议院法案共同赞助的网络。我们的研究结果表明，在基于周期，基于特征值和基于挫折的措施下，观察到实质上不同水平的部分平衡。我们提出了一些建议，供今后工作中使用的措施。
2018-08-20 cs.SI physics.soc-ph
MUSE: Multi-faceted Attention for Signed Network Embedding
Anhui University（安徽大学）
符号网络嵌入是一种学习具有正链接和负链接的符号网络中节点的低维表示的方法，其有助于下游任务，例如使用一般数据采掘框架的链接预测。由于负链接具有独特的性质和显著的附加值，现有的符号网络嵌入方法通常基于平衡理论和地位理论等社会理论设计专用方法。然而，现有的带符号网络嵌入方法忽略了每个节点的多个方面的特性，并将它们混合在一个单一的表示中，这限制了捕获节点对之间细粒度注意力的能力。在本文中，我们提出了MUSE，一个多方面的注意力为基础的签名网络嵌入框架来解决这个问题。具体地说，联合面内和面间注意力机制被引入到聚合来自邻居节点的细粒度信息。此外，平衡理论也被用来指导信息聚合从多阶平衡和不平衡的邻居。在四个真实签名网络数据集上的实验结果证明了该框架的有效性。
2021-04-29 cs.LG cs.SI
Balance in signed networks
我们考虑签名网络，其中连接或边缘可以是积极的（友谊，信任，联盟）或消极的（不喜欢，不信任，冲突）。早期的图论文献理论认为，这样的网络应该表现出“结构平衡”，这意味着某些正负边的配置是有利的，而其他的是不利的。在这里，我们提出了两个措施的平衡签署网络的基础上建立的概念，弱和强平衡，并比较它们的性能在一系列的任务彼此之间，并与以前提出的措施。特别是，我们问，与适当的空模型相比，真实世界的签名网络是否被这些措施显着平衡，发现它们确实是，通过研究的所有措施。我们还通过最大化平衡来测试我们在已知网络中预测未知信号的能力。在一系列的交叉验证测试中，我们发现我们的措施能够预测的迹象大大优于机会。
2018-09-13 cs.SI physics.soc-ph
Signed Network Structural Analysis and Applications with a Focus on Balance Theory
我们从平衡理论的角度分析了签名网络，该理论预测签名社交网络的结构平衡是一个全球性的结构，代表了朋友和敌人的群体。平衡网络的稀缺性促使我们定义了部分平衡的概念，以量化网络的平衡程度。我们评估了几个数值措施的部分平衡，并建议使用挫折指数，满足关键的公理性质的措施，并允许我们分析图形的基础上，他们的水平的部分平衡。文献中用于计算挫折指数（也称为平衡线指数）的精确算法是不可扩展的，并且不能处理具有几百条边的图。我们制定计算挫折指数作为一个图形优化问题，找到最小数量的边缘，其删除结果在一个平衡的网络给定的二元决策变量与图形节点和边缘。我们使用我们的第一个优化模型来分析多达3000条边的图形。重新制定的优化问题，我们开发了三个更有效的二进制线性规划模型。装备模型与有效的不平等和优先级的分支作为加速技术，使我们能够处理图形与15000边廉价的硬件。除了使精确的计算可能为大型图，我们表明，我们的模型优于在文献中建议的数量级的近似算法和近似算法。我们扩展了签名网络的平衡和挫折的概念，超越了经典的朋友-敌人的解释平衡理论在社会背景下的应用。使用高性能计算机，我们分析了多达10万条边的图形，以研究从生物学和化学到金融，国际关系和物理学的一系列应用。
2019-01-21 cs.SI math.OC physics.soc-ph
Representation Learning in Continuous-Time Dynamic Signed Networks
Georgia Institute of Technology（佐治亚理工学院）；NIT Karnataka（卡纳塔克邦国家技术学院）
有符号网络允许我们对相互冲突的关系和交互进行建模，例如朋友/敌人和支持/反对。这些签名的交互是实时发生的。对符号网络的这种动态进行建模对于理解网络中极化的演变和实现符号结构的有效预测（即，链接符号和带符号的权重）。然而，现有的作品已经建模（静态）签署网络或动态（无签名）网络，但没有动态签署网络。由于符号和动态都以不同的方式通知图结构，因此对如何组合这两个特征进行建模是非常重要的。在这项工作中，我们提出了一个新的图神经网络（GNN）为基础的方法来建模动态签署网络，命名为SEMBA：签署链路的进化使用内存模块和平衡聚合。在这里，我们的想法是将时间的相互作用的符号使用平衡理论指导下的单独的模块，并从高阶邻域的嵌入。4个真实世界的数据集和4个不同的任务上的实验表明，SEMBA一致和显着优于基线高达$80\%$的预测未来的链接的迹象的任务，同时匹配的最先进的性能预测这些链接的存在，在未来。我们发现，这种改善是由于特别是少数负类的SEMBA的优越性能。
2023-02-05 cs.LG cs.SI
Signed Bipartite Graph Neural Networks
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）
签名网络是这样的社交网络，既有积极的联系，也有消极的联系。已经开发了许多理论和算法来对这样的网络进行建模（例如，平衡理论）。然而，以前的工作主要集中在单部签署网络的节点具有相同的类型。符号二部网络不同于经典的符号网络，它包含两个不同的节点集和两个节点集之间的符号链接。签名二部网络在商业、政治、学术等领域都有广泛的应用，但研究较少。在这项工作中，我们首先定义了相同的节点集的符号关系，并提供了一个新的角度来分析带符号的二部网络。然后，我们做了一些全面的分析，从两个角度的平衡理论在几个现实世界的数据集。具体来说，在同行评议数据集中，我们发现，在反驳阶段后，符号二分网络中平衡同构的比例增加。在这两个观点的指导下，我们提出了一种新的符号二分图神经网络（SBGNNs）来学习符号二分网络的节点嵌入。SBGNN遵循大多数GNN的消息传递方案，但我们为签名二分网络设计了新的消息函数，聚合函数和更新函数。我们验证了我们的模型在四个真实世界的数据集上的链接符号预测任务，这是签名网络的主要机器学习任务的有效性。实验结果表明，我们的SBGNN模型取得了显着的改善相比，强基线方法，包括基于特征的方法和网络嵌入方法。
2021-10-11 cs.AI cs.SI
Matrix Concentration for Random Signed Graphs and Community Recovery in the Signed Stochastic Block Model
本文针对随机符号图建立邻接矩阵与拉普拉斯矩阵的强集中不等式，并应用于符号随机块模型，证明谱隙集中于2s且第一特征向量符号可弱一致地恢复平衡社区结构。
2024-12-29 cs.LG cs.SI stat.ML
Signed Network Modeling Based on Structural Balance Theory
网络的建模，特别是生成模型，已经被证明可以提供关于底层网络结构的大量信息，以及它们构建背后的许多其他好处。最近，人们对更好地理解和建模网络的兴趣大大增加，但绝大多数工作都是针对无符号网络的。然而，许多网络可以有正链接和负链接（或签名网络），特别是在在线社交媒体中，并且由于增加的复杂性，它们固有地具有未签名网络中没有的属性。具体来说，正负链接比和网络中有符号三角形的分布是有符号网络所特有的属性，需要明确建模。这是因为它们的潜在动力不是随机的，而是由社会理论控制的，例如结构平衡理论，该理论松散地指出，社交网络中的用户将更喜欢涉及较少紧张关系的三元关系。因此，我们提出了一个基于结构平衡理论和无符号传递的Chung-Lu模型的有符号网络建模模型。我们的模型引入了两个参数，这两个参数能够帮助保持正连接比和平衡三角形的比例。三个真实世界的签名网络的实证实验表明，基于社会理论设计特定于签名网络的模型，以获得更好的性能，在维护签名网络属性，同时生成合成网络的重要性。
2018-12-11 cs.SI physics.soc-ph
Community detection based on structural balance in signed networks
针对符号网络社区检测忽视负链接稳定作用的问题，提出一种基于模体、量化链接局部结构平衡重要性的方法，可识别紧密且和谐稳定的社区，并在合成与真实网络中表现出更高性能和强鲁棒性。
2023-08-15 cs.SI physics.soc-ph
Multiplicity and Diversity: Analyzing the Optimal Solution Space of the Correlation Clustering Problem on Complete Signed Graphs
为了研究真实世界的系统，许多应用工程通过符号图（signed graphs）来建模，符号图是指边被标记为正或负的图。这样的图被认为是结构平衡的，当它可以被划分成多个模块时，使得正的（分别是）。负的）边缘位于内部（相应地，之间）的模块。如果不是这种情况，作者会寻找最接近这种平衡的分区，这个问题称为相关聚类（CC）。由于CC问题的复杂性，标准的方法是找到一个最佳分区并坚持使用它，即使可能存在其他最佳或高分解决方案。在这项工作中，我们研究的CC问题的最优解的空间，在一组合成的完全图。我们的经验表明，在一定的条件下，可以有许多最佳分区的一个有符号的图。其中一些非常不同，因此提供了系统的不同视角，如一个小的真实世界图所示。这是一个重要的结果，因为它意味着一个可能要找到几个，如果不是全部，CC问题的最优解，以适当地研究所考虑的系统。
2020-11-10 cs.RO cs.SI
Spreading and Structural Balance on Signed Networks
研究符号网络的结构平衡分类及其谱性质，发现严格不平衡网络的谱半径特征，并在线性与非线性动力学中验证一致模式，提出新测度并通过实验确认。
2024-01-07 cs.SI math.DS math.SP
The role of frustration in collective decision-making dynamical processes on multiagent signed networks
在这项工作中，我们考虑了一个集体决策过程中的非线性互联动力学模型与sigmoidal非线性和签署互动图的代理网络。决策被编码在系统的均衡中。我们的目的是调查这个多智能体系统时，签署的图代表的社会是不是结构平衡，特别是当我们改变其挫折，即，距离结构平衡。该模型表现出分叉，和一个“社会努力”的参数，添加到模型中，以代表代理之间的相互作用的强度，在我们的分析中起着分叉参数的作用。我们发现，随着社会努力的增加，决策动态表现出一种干草叉分叉行为，从"无决策“的僵局情况（即，原点是唯一的全局稳定的平衡点），则实现了社区的两个可能的（备选的）决策状态（对应于两个非零局部稳定的平衡）。社会努力的价值是跨越分叉（并达成决定）的增加与有符号网络的挫折。
2021-05-24 cs.SI cs.SY eess.SY
Balance with Memory in Signed Networks via Mittag-Leffler Matrix Functions
本文提出基于 Mittag-Leffler 矩阵函数的符号网络平衡指数，利用非保守扩散与记忆效应减轻长环惩罚，并在人工及多类真实网络中验证其有效性。
2024-06-14 cs.SI math.DS math.SP
SSSNET: Semi-Supervised Signed Network Clustering
节点嵌入是网络分析中的一个强大工具，然而，它们在节点聚类这一重要任务中的全部潜力还没有得到充分利用。特别地，生成符号网络的节点嵌入的大多数现有技术方法集中于链接符号预测，并且那些与节点聚类有关的方法通常不是图神经网络（GNN）方法。在这里，我们介绍了一种新的概率平衡归一化割损训练节点的GNN框架中的半监督签名网络聚类，称为SSSNET。该方法是端到端的，将嵌入生成和聚类结合起来，没有中间步骤;它以节点聚类为主要焦点，重点是网络中出现的极化效应。我们的方法的主要新颖性是一个新的社会平衡理论的作用签署网络嵌入。证明嵌入标准合理性的标准启发式方法基于“敌人的敌人就是朋友”的假设。相反，在敌人的敌人是否是朋友的问题上，采取了中立的立场。在各种数据集上的实验结果，包括合成符号随机块模型，它的极化版本，以及不同尺度的真实数据，表明SSSNET可以实现可比或更好的结果比国家的最先进的谱聚类方法，为广泛的噪声和稀疏水平。SSSNET通过以节点级特征或标签的形式包括外部信息的可能性来补充现有方法。
2022-02-23 cs.AI cs.SI stat.ML
