Birth-Burst in Evolving Networks

基于生灭过程的演化网络信息动力学：随机漂变与自然选择视角

Information Dynamics in Evolving Networks Based on the Birth-Death Process: Random Drift and Natural Selection Perspective

该研究建立了带个体生灭的演化网络连续马尔可夫模型，分析其稳态拓扑性质，并从随机漂变与自然选择视角研究信息动力学，发现新连接方式仅影响随机漂变过程。

演化加权网络中突发和社区的出现

Emergence of Bursts and Communities in Evolving Weighted Networks

了解人类动力学和社会互动的模式，以及它们导致形成有组织和功能性社会的方式，是特别是技术社会发展的重要问题。通过例如移动电话呼叫记录的大规模数据分析，解决社交网络的这些问题最近已经成为可能，这已经揭示了模块化或社区结构的存在，其中在相同社区的节点之间存在许多链接，而在不同社区的节点之间存在相对较少的链接。链接的权重，例如两个用户之间的呼叫数量，和网络拓扑结构被发现相关，使得社区内链接比弱的社区间链接更强。这被称为格兰米特的“弱关系的强度”假说。除了这种不均匀的社区结构，人类动力学的时间模式是不均匀的或突发性的，其特征是两个连续事件之间的事件间隔时间的厚尾分布。在本文中，我们研究了如何社区结构和突发动态一起出现在一个不断发展的加权网络模型。这些模式背后的主要机制是通过循环闭合的社会互动，即链接到朋友的朋友和焦点闭合，即链接到共享相似属性或兴趣的个人，以及通过任务处理过程的人类动态。这三种机制已被实现为一个网络模型与本地附件，全球附件，和基于优先级的排队过程。通过综合的数值模拟，我们表明，这些机制的相互作用，导致出现重尾事件间的时间分布和格兰特类型的社区结构的演变。此外，数值结果被发现在定性与经验的结果从手机通话数据集。

时间异质性增加了进化网络上流行病的流行

Temporal Heterogeneities Increase the Prevalence of Epidemics on Evolving Networks

实证研究表明，接触模式遵循异质的事件间时间，这意味着高活动的间隔之后是不活动的时期。结合个人的出生和死亡，这些时间限制以非平凡的方式影响感染的传播，并取决于特定的接触动态。我们提出了一个随机模型来生成时间网络，其中顶点在异构事件间时间之后进行瞬时接触，并以固定的速率离开和进入系统。我们研究这些时间属性如何影响感染的流行，并估计R0，继发感染的数量，通过模拟感染（SIR，SI和SIS）与网络结构的共同发展。我们发现，异质接触模式导致更早和更大的流行病的SIR模型相比，同质的情况。在SI和SIS的情况下，流行病在早期阶段更快（高达90%的患病率），然后在异质模式的情况下，渐近极限减慢。在存在出生和死亡的情况下，与平均事件间隔时间相同的同质假设相比，异质模式总是导致更高的流行率。我们的研究结果表明，R0可能被低估，如果时间异质性不考虑在流行病的建模。

Sketch-based community detection in evolving networks

We consider an approach for community detection in time-varying networks. At its core, this approach maintains a small sketch graph to capture the essential community structure found in each snapshot of the full network. We demonstrate how the sketch can be used to explicitly identify six key community events which typically occur during network evolution: growth, shrinkage, merging, splitting, birth and death. Based on these detection techniques, we formulate a community detection algorithm which can process a network concurrently exhibiting all processes. One advantage afforded by the sketch…

网络中的意见动态：收敛、稳定和缺乏爆炸

Opinion Dynamics in Networks: Convergence, Stability and Lack of Explosion

受[Kempe，Kleinberg，Oren，Slivkins，EC 13]工作的启发，我们引入并分析了一个关于意见形成的模型;我们的动态更新规则是Kempe等人的简化版本。我们假设人口被划分为类型，其相互作用模式由图指定。相互作用导致种群质量从较小质量的类型向较大质量的类型移动。我们发现，开始均匀随机在所有的人口向量的单纯形，我们的动态收敛逐点的概率为一个独立集。这解决了Kempe et.例如，适用于我们的动态。我们相信，我们的技术可以用来解决的Kempe等开放的问题。动力学也是。接下来，我们扩展模型Kempe等。通过引入类型的出生和死亡的概念，交互图得到了适当的发展。类型的诞生由伯努利过程决定，当它们的种群质量小于参数$ε$时，类型死亡。我们表明，如果出生是罕见的，那么有很长一段时间的“稳定”，其中没有人口质量的移动。最后，我们表明，即使出生是频繁的，“稳定性”没有达到，类型的总数不会爆炸：它仍然是对数在$1/ε$。