Triadic motifs in the dependence networks of virtual societies
在友谊网络中，个体有不同数量的朋友，个体和她的朋友之间的亲密度或亲密度是异质的。使用统计过滤方法来确定谁依赖于谁的关系，我们构建依赖网络（这是直接的）从加权友谊网络的化身在200多个虚拟社会的大型多人在线角色扮演游戏（MMORPG）。我们研究了依赖网络中三元模体的演化。几个指标显示，虚拟社会在最初的两到三周内经历了一个短暂的发展阶段，并达到了一个相对稳定的阶段。我们发现，单向环基序（${\rm{M}}_9$）是代表不足，并没有出现，开放的基序也代表不足，而其他关闭基序的代表过多。我们还发现，对于大多数图案，在同一图案中的三个化身的整体水平差异显着低于平均水平，而排名的总和仅略高于平均水平。我们的研究结果表明，化身的社会地位在三元主题的形成中起着重要的作用。
2014-03-31 cs.SI physics.soc-ph
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
Evolution of Directed Triangle Motifs in the Google+ OSN
模体是网络的基本构建块和显著特征。虽然在许多网络中已经发现了特征模体分布，但今天对网络模体的演化知之甚少。本文研究了社交网络中最重要的模体--三角形，以及有向三角形模体如何随时间变化。我们选择的主题是最大的在线社交网络之一，Google+。Google+有两个显著的特点，使它特别有趣：（1）它是一个有向网络，产生了丰富的三角形图案集，（2）它是一个年轻而快速发展的网络，其在OSN空间中的作用仍然没有完全理解。为了这项研究的目的，我们在六周的时间内对网络进行了爬行，收集了几个快照。我们发现，一些三角形类型显示出显着的动态，例如，对于某些特定的初始类型，多达20%的实例会演变为其他类型。由于OSN在观测时间段内的快速增长，出现了许多新的三角形。我们还观察到，许多三角形演变成连接较少的图案（边缘较少），这表明生长也伴随着修剪。我们补充拓扑研究，也考虑公开的用户简档数据（主要是地理位置）。相应的结果揭示了三角形模体的语义。事实上，我们发现，在更对称的三角形图案的用户住得更近，表明更多的个人关系。相比之下，图案中的不对称链接通常指向具有高程度的遥远用户（名人）。
2015-02-17 cs.SI physics.soc-ph
Motif Dynamics in Signed Directional Complex Networks
本文研究带符号有向复杂网络中的模体动力学，通过测量同时考虑链接符号和方向性的网络模体，分析模体数量随时间的变化，发现非循环模体与系统规模的相关性大于循环模体，并能揭示大学新生间的友谊关系。
2020-12-11 physics.soc-ph
Subgraph covers -- An information theoretic approach to motif analysis in networks
许多真实世界的网络包含了统计上惊人数量的某些子图，称为网络模体。在模体分析的流行方法中，网络模体通过将原始网络中的子图频率与统计空模型进行比较来检测。在本文中，我们提出了一种替代方法，主题分析网络主题被定义为连接模式，发生在一个子图覆盖，代表网络使用最小的总信息。子图覆盖被定义为一组子图，使得图的每条边都包含在覆盖中的至少一个子图中。最近推出的一些随机图模型，可以将显着的图案密度有自然的配方，在子图覆盖和所提出的方法可以用来匹配网络与这样的模型。为了证明我们的方法的实用价值，我们还提出了一个启发式的NP-难优化问题，并给出了几个现实世界的网络结果。
2014-10-01 cs.DM 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
Sequential Motifs in Observed Walks
复杂网络的结构可以通过计算和分析网络模体来表征。模体是在网络中重复出现的小的子图，如三角形或链。最近的工作已经将图案推广到时间和动态网络数据。然而，现有的技术没有推广到顺序或轨迹数据，其表示通过网络的节点移动的实体，例如通过运输网络移动的乘客。这些数据中的观测单位是根本不同的，因为我们分析轨迹的完整观测（例如，从机场A通过机场B到机场C的旅行），而不是对边的独立观察或图随时间的快照。在这项工作中，我们定义了连续图案的轨迹数据，这是小的，有向的，和边加权子图对应的模式在观察到的序列。我们绘制了一个连接的计数和分析的顺序图案和高阶网络（HON）模型。我们表明，通过映射边缘的HON，特别是一个$k$第阶DeBruijn图，顺序图案，我们可以计算和评估它们的重要性，在观察到的数据。我们用两个数据集测试我们的方法：（1）乘客浏览机场网络和（2）人们浏览维基百科文章网络。我们发现，最普遍和最重要的顺序图案对应于直观的模式，在真实的系统中的遍历，并经验表明，在观察到的高阶DeBruijn图的边缘权重的异质性有影响的顺序图案的分布，我们希望看到我们的空模型。
2022-01-03 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
Motif Conservation Laws for the Configuration Model
一些子图（称为模体）在真实网络中比在随机网络中出现得更频繁，这一观察引起了科学界的广泛关注。在流行的方法中，图案的检测是基于比较网络中的子图计数与配置模型中具有与网络相同的度分布的对应物。在这个简短的说明中，我们推导出守恒定律，有关的基序计数的配置模型。
2014-08-27 cs.SI physics.soc-ph q-bio.MN
Sampling motif-constrained ensembles of networks
网络特性的统计显著性取决于满足特定特性但在其他方面是随机的零模型。指数随机图模型是生成这种约束集合的原则性理论框架，但由于模型不一致，或者由于不可能从中对网络进行采样，因此在实践中经常失败。这些问题影响了网络的重要情况下，规定的聚类系数或小连通子图（图案）的数量。在本文中，我们使用的Wang-Landau方法，以获得一个多典型的采样，克服了这两个问题。我们的样本，在多项式时间内，网络工程与任意程度的序列，从合奏与强加的图案计数。将这种方法应用于社交网络，我们研究了传递性和同质性之间的关系，我们量化了不同类型的基序之间的相关性，发现单个基序可以解释高达60%的基序配置文件的变化。
2015-11-17 cond-mat.stat-mech cs.SI physics.soc-ph
Directed network comparison using motifs
本文提出一种基于模体的有向网络比较方法，通过节点模体分布向量和Jensen-Shannon散度捕捉局部、全局及高阶差异，并在真实网络实验中验证其优于现有基线且具有鲁棒性。
2024-01-12 cs.SI physics.soc-ph
Understanding Information Flow in Cascades Using Network Motifs
越来越多的应用程序考虑网络形成的过程中，使用子图作为生成网络拓扑结构的工具。因此，迫切的研究挑战之一是能够使用这些子图来理解信息级联的网络拓扑结构，这最终为信息如何随着时间的推移而传播的理论化铺平了道路。在本文中，我们第一次尝试使用网络图案，以了解它们是否可以被用来作为生成元素的扩散网络组织在级联生命周期的不同阶段。在这样做的时候，我们提出了一个基序解释为基础的算法，使用网络图案来衡量在何种程度上，他们可以代表的时间级联网络组织。我们从扩散的角度比较了级联生命周期的两个阶段-急剧增长的阶段和饱和之前的抑制阶段。我们对来自微博平台的一组级联和5节点基序的实验表明，只有少数特定的基序模式能够表征扩散过程，因此抑制区域的网络组织比高增长阶段更好。相比之下，我们没有发现令人信服的结果，为阶段的急剧增长。
2019-04-08 cs.SI physics.soc-ph
Mixed Random Sampling of Frames method for counting number of motifs
本文研究了大型网络中三节点和四节点网络模体的频率计算问题。电信网络，细胞分子网络进行了研究。所研究的网络的规模是数十万个节点和连接。这些网络以有向和无向简单图的形式表示。对于如此大的图，精确计算需要巨大的计算资源。提出了一种用蒙特卡罗方法计算网络模体频率的方法，并控制了计算的精度。所提出的有效方法使变异系数的值最小化。
2019-04-04 cs.SI physics.soc-ph
Subgraphs and motifs in a dynamic airline network
航空公司网络的小规模拓扑结构如何随着网络的演化而变化？为了解决这个问题，我们研究了小的无向子图的动态特性，使用15年的数据，西南航空公司的国内航线服务。我们使用精确的枚举公式来在统计上识别代表性过度和代表性不足的子图，称为基序和反基序。我们发现大量的拓扑结构转换西南的网络，并提供证据随时间变化的幂律缩放之间的子图计数和网络中的边缘的数量。我们还提出了一个节点排名的措施，可以确定重要的节点相对于特定的本地拓扑结构。我们的研究结果扩展了基于子图的方法工具包，并提供了新的见解运输网络和企业的战略行为。
2020-10-27 cs.SI physics.soc-ph
Motif Analysis in the Amazon Product Co-Purchasing Network
像亚马逊和Ebay这样的在线商店每天都在增长。去百货商店购物的人越来越少，而网上商店购物则越来越方便。这些商店可以采用多种技术来向适当的购买者简档做广告和推荐适当的产品。本文评估了在这种网络中出现的各种3节点和4节点图案。社区结构也进行了评估。这些结果可能会提供有趣的洞察用户行为和更好地理解营销技术。
2010-12-18 cs.SI physics.soc-ph
Network inference via process motifs for lagged correlation in linear stochastic processes
Mathematics Department, Dartmouth College, Hanover, NH, USA（达特茅斯学院数学系）；Department of Applied Mathematics, University of Washington, Seattle, WA, USA（华盛顿大学应用数学系）；Department of Biology, University of Washington, Seattle, WA, USA（华盛顿大学生物学系）
本文提出两种基于过程模体和滞后相关矩阵的成对边度量PEM，用于校正混杂与反向因果，在线性随机过程模拟中以更短计算时间达到优于或接近Granger因果等方法的网络推断准确率。
2025-09-29 cs.LG cs.SI math.DS
Modeling Network Evolution Using Graph Motifs
网络结构对政治学研究极为重要。它的子领域中的大部分数据都自然地表示为网络。这包括贸易、外交和冲突关系。一些组织的社会结构也是许多研究者感兴趣的，例如立法者的从属关系或恐怖分子之间的关系。研究社交网络的一个关键方面是理解这些结构随时间增长和变化的进化动力学和机制。虽然目前的方法非常适合描述网络的静态特征，但它们不太能够指定变化模型和模拟网络演化。在接下来的论文中，我提出了一种新的方法来建模网络的增长和演化。该方法依靠图的模体生成具有特定结构特征的模拟网络数据。这种技术在形式和功能上都明显不同于目前的方法。而不是一个封闭的形式的模型，或随机实现从一个单一的一类图，所提出的“图形图案模型”提供了一个框架，建立灵活和复杂的网络演化模型。本文的内容如下：首先，简要回顾了当前关于网络建模的文献，以将图基序模型置于上下文中。接下来，介绍了图模体模型，并给出了一个简单的例子。作为概念的证明，三个经典的随机图模型恢复使用图形模体建模方法：Erdos-Renyi二项随机图，Watts-Strogatz“小世界”模型，Barabasi-Albert偏好连接模型。在最后一节中，我将讨论这些模拟的结果以及使用这种技术来建模社交网络的优点和缺点。
2011-05-04 cs.SI physics.soc-ph stat.CO
Dimensionality of social networks using motifs and eigenvalues
我们考虑社交网络的维度，并开发旨在预测该维度的实验。我们发现，一个社会网络模型的节点和链接采样从一个$m$维度量空间与幂律分布的影响区域最适合的样本从现实世界的网络时，$m$规模与网络的节点数的几何。这支持了对数维假设，我们提供了两个不同的社交网络，Facebook和LinkedIn的证据。此外，我们采用了两种不同的方法来确认的假设：第一个使用的模体计数的分布，第二个利用本征值分布。
2014-05-01 cs.SI physics.soc-ph
Automatic Network Fingerprinting through Single-Node Motifs
复杂网络的特征在于其特定的连接模式（网络基序），但它们的构建块也可以通过节点基序（局部网络特征的组合）来识别和描述。Costa等人提出了一种识别单个节点基序的技术（L. D. F. Costa，F. A.罗德里格斯角C. Hilgetag和M.凯泽，欧罗巴。信件：87，1，2009）。在这里，我们首先建议改进的方法，包括如何可以自动确定其参数。这样的自动例程使得许多网络的高通量研究成为可能。其次，在不同的网络序列中验证了新的例程。第三，我们提供了一个例子，该方法可以用来分析网络时间序列。总之，我们提供了一个强大的方法，系统地发现和分类网络的特征节点。与经典的基序分析相比，我们的方法可以识别特定于网络的单个组件（这里是节点）。这种特殊的节点，如以前的枢纽，可能会被发现在现实世界的网络中发挥关键作用。
2011-02-01 cs.SI physics.soc-ph q-bio.QM
Analyzing Network Reliability Using Structural Motifs
本文使用可靠性多项式，介绍了摩尔和香农在1956年，分析网络结构的影响，如传染病的传播扩散动力学。我们展示了一个代表性的可靠性多项式，我们称之为{ \em结构基序}，非常适合推理网络的结构特性对整个网络的扩散的影响。我们说明，通过推导几个一般性的结果有关的图形结构的动力学现象。
2015-07-05 cond-mat.stat-mech cs.SI math.CO
Network motifs in music sequences
这篇论文已被作者撤回，因为它需要一个深刻的方法修订。
2011-03-04 cs.CL physics.data-an physics.soc-ph
Motif-driven Dense Subgraph Discovery in Directed and Labeled Networks
网络中的密集区域是有趣和不寻常信息的指示器。然而，大多数现有的方法只考虑简单的，无向的，未加权的网络。然而，现实世界中的复杂网络通常具有丰富的信息：边是不对称的，节点/边具有分类和数值属性。根据这些丰富的信息在这样的网络中寻找稠密子图是一个具有许多应用的重要问题。此外，大多数现有算法忽略了高阶关系（即，在节点之间。模体被证明是有帮助的密集子图发现，但它们在异构网络中的广泛频谱使得它具有挑战性，有效地利用它们。在这项工作中，我们提出了夸克分解框架来定位密集的子图，丰富的一个给定的模体。我们专注于网络的有向边缘和分类属性的节点/边缘。对于一个给定的主题，我们的框架建立子图，称为夸克，在不同的质量和层次关系。我们的框架是通用的，高效的，可扩展的。我们讨论了我们的框架的局限性和实际的实例，以及在有向网络中需要考虑的角色混淆问题。我们给出了一个广泛的评估我们的框架，有向，有符号的，和节点标记的网络。我们考虑各种图案和评估夸克分解使用几个现实世界的网络。结果表明，夸克分解的性能优于国家的最先进的技术。我们的框架也是实用的和可扩展的网络与高达101 M的边缘。
2021-03-04 cs.SI math.CO physics.soc-ph
Motif Discovery Algorithms in Static and Temporal Networks: A Survey
模体是复杂系统的基本组成部分。代表复杂系统的网络的拓扑结构以及这些网络中的基序的频率和分布是交织在一起的。图和子图同构问题作为频繁子图挖掘的核心问题，其复杂性直接影响到模体发现算法的性能。为了应对这些复杂性，研究人员采用了不同的策略来进行候选生成和枚举，以及频率计算。在过去的几年里，人们对时态网络的分析和挖掘越来越感兴趣。与静态网络相比，这些网络会随着时间的推移以边、顶点或其属性的插入、删除或替换的形式发生变化。在本文中，我们提供了一个调查的主题发现算法在文献中提出的挖掘静态和时间的网络和审查相应的算法的基础上，他们采用的候选人生成和频率计算的策略。随着社交媒体平台、生物信息学应用、通信和交通网络中大量网络数据的产生以及分布式计算和大数据技术的发展，我们也对解决静态和时态网络挖掘中CPU和I/O受限问题的算法进行了综述。
2020-05-19 cs.SI math.CO physics.soc-ph
Detecting local network motifs
研究所谓的真实网络的拓扑结构，即从社会学或生物学数据中获得的网络，在过去十年中已经成为一个主要的兴趣领域。处理它的一种方法是认为网络是由称为基序的小功能单元构建的，可以通过寻找在整个网络中出现的数量惊人的小子图来找到。在这篇文章中，我们建议通过网络中的局部过度表示来定义图案，并开发一种统计方法来检测它们，而不依赖于模拟。然后，我们说明了我们的程序在模拟和真实数据上的性能，恢复已知的生物相关图案。此外，我们解释了我们的方法如何给出一些信息的顶点在一个主题中的各自的角色。
2010-07-08 math.PR physics.soc-ph q-bio.MN
Generalizing Egocentric Temporal Neighborhoods to probe for spatial correlations in temporal networks and infer their topology
本文提出不受节点和边规模限制且包含三角形的 edge-centered motifs，用最大熵验证其信息增益，并据此探测空间关联、近似分布及推断网络完整拓扑，开创 graph tiling theory。
2025-05-09 cs.SI physics.soc-ph
Dense network motifs enhance dynamical stability
本研究揭示团等密集网络模体具有不同于整体网络的稳定状态，可增强动力学稳定性、促成局部到全局稳定性的转变，并解释极化与全局观点变化。
2023-04-24 physics.soc-ph
Detection of core-periphery structure in networks by 3-tuple motifs
近年来，网络的核心-外围结构作为一种中尺度结构受到了人们的关注。CP结构由密集的核心和稀疏连接的外围组成。本文受模体思想的启发，提出了一种基于三元组模体的CP结构检测算法。该算法首先根据节点的性质定义一个3元组模体，然后根据定义的模体构造一个模体邻接矩阵，最后将CP结构的检测转化为寻找一个最小模体电导的聚类。我们的算法可以检测不同的CP结构：包括单个或多个CP结构;和局部或全局CP结构。综合网络和经验网络的计算结果表明，该方法是有效的，可以应用于大规模网络。更重要的是，我们的算法是无参数的，其中核心和外围设备的检测，而不需要任何预定义的参数。
2017-05-11 physics.soc-ph
Detecting Strong Ties Using Network Motifs
在社交和信息网络中检测用户之间的强联系是一项基本操作，可以提高许多个性化和排名任务的性能。强关系边缘通常容易从社交网络中获得，因为用户通常通过诸如关注和消息传递之类的特征参与多个重叠网络。这些网络在规模、密度和所载信息方面可能差别很大。这种设置导致了一个自然的强关系检测任务：给定一小部分标记的强关系边缘，在网络的其余部分中检测未标记的强关系的效果如何？由于成对关系属性数据的可用性不足，以及电话联系人等强关系网络的稀疏性，这项任务对于Twitter网络变得特别艰巨。考虑到这些挑战，一种自然的方法是使用结构网络特征来完成任务，这些特征是通过{ \em组合}强边和“弱”边产生的。在这项工作中，我们通过对Twitter数据的实验证明，仅使用这种结构网络特征就足以以高精度检测强关系。这些结构网络的特点是从存在和频率的小网络图案结合强和弱的关系。我们观察到，使用图案大于三合会缓解稀疏性问题，出现较小的图案，既由于增加组合的可能性，以及受益于强烈的搜索超越自我网络。从经验上讲，我们观察到，并非所有的图案都是同样有用的，并且需要从组合边缘仔细构造，以便有效地进行强领带检测。最后，我们加强了我们的实验结果，提供了理论依据，表明为什么将这些较大的图案作为特征可以提高种植图模型的性能。
2017-03-27 cs.SI physics.soc-ph
Integrating temporal and spatial scales: Human structural network motifs across age and region-of-interest size
人脑网络可以在由受试者的年龄或神经成像方法的空间分辨率给定的不同时间或空间尺度下表征。只有当组合的网络显示出类似的架构时，跨规模的数据集成才能成功。比较网络的一种方法是查看基于纤维长度的空间特征和单个节点的拓扑特征，其中离群节点形成单个节点图案，其频率产生网络的指纹。在这里，我们观察了健康人类受试者的扩散张量成像（DTI）结构连接性的特征性单节点图案如何随年龄（12-23岁）和网络大小（414，813和1615个节点）而变化。首先，我们发现网络中基序的数量和多样性是强相关的。其次，比较不同的尺度，图案的数量和多样性在时间（主题年龄）和空间（网络分辨率）尺度上有所不同：某些图案可能只出现在一个空间尺度或一定的年龄范围。第三，在较低分辨率下显示一个基序的感兴趣区域可以在较高分辨率下显示一系列基序，其可以包括或可以不包括在较低分辨率下的原始基序。因此，图案的类型和定位对于不同的空间分辨率是不同的。我们的研究结果还表明，空间分辨率有更高的拓扑措施的影响，而空间措施，基于纤维长度，分辨率之间保持更具可比性。因此，在比较拓扑和空间网络特征给出的特征节点指纹时，空间分辨率至关重要。由于节点基序是基于大脑连接网络的拓扑和空间特性，这些结论也与其他使用连接体分析的研究有关。
2011-07-20 physics.bio-ph physics.soc-ph q-bio.NC
Network motifs emerge from interconnections that favor stability
Northeastern University（东北大学）；Brigham and Women’s Hospital and Harvard Medical School（布莱根妇女医院和哈佛医学院）；MIT（麻省理工学院）
研究揭示网络motif通过优化节点内在稳定性构建复杂系统，其在不同尺度上均表现出稳定特性。
2014-11-20 cs.SY eess.SY physics.bio-ph
Motif-Based Spectral Clustering of Weighted Directed Networks
University of Oxford（牛津大学）；Princeton University（普林斯顿大学）；The Alan Turing Institute（阿兰·图灵研究所）；University of Glasgow（格拉斯哥大学）
聚类是网络分析的基本技术，在各种领域都有应用。虽然谱聚类是一种流行而有效的方法，但它没有考虑高阶结构，并且在有向网络上的性能很差。一种方法是使用基序邻接矩阵来捕获和聚类高阶结构。然而，目前的公式没有考虑边权重，因此在权重是所研究的网络的关键组成部分时受到一定的限制。我们通过探索基于图案的加权谱聚类方法来解决这些缺点。我们提出了新的和计算上有用的矩阵公式加权网络上的基序邻接矩阵，它可以用来构建有效的算法，任何锚定或非锚定基序的三个节点。在一个非常稀疏的制度，我们提出的方法可以处理图与一百万个节点和数千万条边。我们进一步使用我们的框架来构建一个基于图案的方法来聚类二分网络。我们提供了全面的实验结果，证明了（i）我们的方法的可扩展性，（ii）高阶聚类在合成示例上的优势，以及（iii）我们的技术在各种真实世界数据集上的有效性;并与文献中的几种技术进行比较。我们的结论是，基于模体的谱聚类是一个有价值的工具，分析有向和二分加权网络，这也是可扩展的，易于实现。
2020-09-10 cs.LG cs.SI physics.soc-ph
Motif-based communities in complex networks
社区定义通常侧重于社区内部和社区之间的边缘。然而，社区内边缘的高密度决定了超越最近邻居的节点之间的相关性，并且这些相关性由图案的存在来表示。我们展示了如何图案可以用来定义一般类的节点，包括社区，通过扩展的数学表达式的纽曼-Girvan模块化。然后，我们构建了一个通用的框架，并将其应用到一些合成和真实的网络。
2007-09-29 physics.comp-ph physics.data-an physics.soc-ph
Networks of motifs from sequences of symbols
我们介绍了一种方法来转换成一个加权的有向网络的节点图案的符号序列的合奏，而有向链接和它们的权重定义从统计上显着的两个图案在同一序列中的共存。网络的模体的社区的分析表明，能够在人类蛋白质组数据库中的功能相关的序列，从在线社交对话中检测热点话题，动态系统的轨迹的特征，并可能会发现其他有用的应用程序来处理大量的数据在各个领域。
2010-09-16 physics.data-an physics.soc-ph q-bio.GN
Motif analysis in directed ordered networks and applications to food webs
小的循环子结构，即所谓的网络模体的分析，已经成为复杂网络科学的标准工具，揭示了经验网络结构的设计原则。在许多自然系统中，网络节点与一个内在属性相关联，根据这个属性，它们可以被排序并相互比较。在这里，我们扩展了标准的基序分析，能够捕捉到这样的有序网络的层次结构。我们的新方法是基于所有有序的3节点子结构的识别和可视化的显着配置文件。我们提出了一种技术来计算细粒度的主题频谱解决同构类（由置换节点顺序形成的子结构集）的个别成员。我们将这种技术应用到计算机生成的有序网络和经验食物网数据的合奏，展示了考虑节点顺序的食物网分析的重要性。我们的方法不仅有助于识别经验食物网和其他自然网络中的层次模式，它还可以为将基序分析扩展到其他类型的多层网络提供基础。
2015-05-26 physics.soc-ph q-bio.QM
Dynamic Motifs of Strategies in Prisoner's Dilemma Games
我们利用有向网络的概念来研究重复囚徒困境博弈中策略之间的输赢关系，以展示复制者动力学的结果。在赢/输网络的巨强连通分支中，我们发现了类似于剪刀石头布的输赢循环，并分析了不动点及其稳定性。应用网络模体的概念，我们引入动态模体，描述了三种策略之间的种群动力学关系。通过精确计数，我们发现了22个动态图案，并显示了他们的相图。利用有向网络和模体分析进行可视化是一种有效的方法，可以使复杂的动力学行为变得简单，以便更直观地理解它。当动态图案被应用到其他类型的游戏中时，它们可以成为策略中动态行为的构建块。
2015-01-15 physics.soc-ph
Weighted network motifs as random walk patterns
在过去的二十年里，网络理论已经被证明是理解现实世界复杂系统的组织和功能的一个富有成效的范式。一种有助于这一努力的技术是识别功能上有影响力的子图，揭示潜在的进化过程。这种过度表示的子图，“图案”，在简单网络中受到了广泛的关注，其中边是开或关。然而，对于加权网络，模体分析仍然是未开发的。在这里，我们提出了一种新的方法-基于随机步行者采取固定的最大步数-研究有限大小的加权图案。我们引入了一个汇节点来平衡网络，并允许在先验的固定数量的步骤的随机步行者的配置检测。我们将这种方法应用于不同的真实网络，并选择了一个基于最大熵的特定基准模型来测试加权模体出现的显著性。我们发现，确定的相似性，使系统的分类，根据与特定配置相关的功能机制：经济网络表现出密切的模式，而从生态系统区分没有任何先验假设。
2022-01-21 physics.data-an physics.soc-ph stat.AP
Causal motifs and existence of endogenous cascades in directed networks with application to company defaults
基于对经济中违约级联的检测，本文提出了一个基于因果模体的内生性违约扩散检测框架。我们假设一个顶点的状态变化可以由一个内源性或外源性事件触发，底层网络是有向的，顶点改变状态的时间是可用的。除了公司违约的数据，我们还模拟了不同的随机过程驱动的级联在不同的合成网络。我们发现，一些最小的图案可以鲁棒地检测内源性传播事件。最后，我们将该方法应用于克罗地亚公司的违约数据，并观察内生级联可能发生的时间窗口。
2021-12-08 cond-mat.stat-mech cs.SI econ.EM
City Motifs as Revealed by Similarity Between Hierarchical Features
几个自然的和理论上的网络可以被分解成更小的部分，或者对应于邻域的子图。这些更频繁的邻域可以被理解为网络的基序，因此对于更好地表征和理解整体结构非常重要。网络科学的一些发展都依赖于这个有趣的概念，在系统生物学、计算神经科学、经济学和生态学等领域都有大量的应用。本工作的目的是报告一个无监督的方法能够识别图案的街道网络，后者对应于从城市规划中获得的图形，通过考虑街道路口和终端节点，而链接定义的街道。显着的结果进行了描述，包括9个稳定的和信息的图案，这已被允许由三个至关重要的因素：（i）通过五个层次的测量本地表征的街道网络中的节点的邻域;（ii）通过一个有效的巧合的方法，将数据集转换成网络;以及（iii）使用社区发现方法，以统计术语定义主题。从几个角度，包括它们的相互相似性，可视化，直方图的测量，并在原来的城市的地理相邻性的九个确定的图案的特点和讨论。还提出了所采用的功能对所获得的网络以及一个简单的监督学习方法能够分配参考图案的城市的效果的分析。
2022-04-19 physics.soc-ph
How small are building blocks of complex networks
网络模体是复杂网络的小构件。统计上显著的基序通常执行网络特定的功能。然而，模体与网络的全球结构和功能之间的联系的确切性质仍然难以捉摸。在这里，我们表明，一些真正的网络的全局结构是由统计上的概率连接的图案的大小最多为3，一旦这个概率占节点度。在这些网络中的节点三元组的连接配置文件捕捉所有的本地和全局属性。这一发现影响了依赖于基序统计显著性的方法，并丰富了我们对塑造复杂网络结构的基本力量的理解。
2015-03-01 cond-mat.dis-nn cond-mat.stat-mech cs.NI
Motif analysis and passing behavior in football passing networks
本研究通过分析18项顶级赛事3199场比赛的足球传球网络三元模体，发现主队传球效率更高、双向连接模体更显著，且回传多预示进攻低效，验证了网络模体分析对解读球队战术的价值。
2024-08-15 physics.soc-ph
Key motifs searching in complex dynamical systems
针对动力系统中模体重要性受动力学方程与参数影响的问题，提出基于雅可比矩阵的微扰能与模体中心性方法，在不显著增加复杂度的前提下提升关键模体识别的效果与准确性，可应用于系统控制并助力物理概念研究。
2024-08-16 math.CO nlin.CD physics.soc-ph
Influence of technological innovations on industrial production: A motif analysis on the multilayer network
我们研究技术进步的特定组合是否可以表明允许特定工业生产的当地能力的存在。为此，我们使用国家级专利和贸易数据生成一个多层网络，并使用最大熵参数导出的统计验证方法对该网络进行基于图案的分析。我们表明，在许多情况下，信号远远超过噪音，提供了强有力的证据，证明不同技术之间的协同作用可以在特定市场中产生竞争优势。我们的研究结果对于政策制定者为产业和创新政策提供信息非常有用。
2019-01-14 physics.soc-ph
Motif-based analysis of power grid robustness under attacks
网络模体通常被称为网络的构建块。图案的分析被认为是一个不可或缺的工具，了解本地网络结构，在对比度的基础上的措施，主要解决全球网络拓扑结构的节点度分布及其功能。因此，在全局拓扑属性方面相似的网络可能在局部水平上明显不同。在电网的背景下，这种局部结构的影响的现象最近已被记录在脆弱性分析和电力系统分类。与此同时，大多数的电力系统网络的研究仍然倾向于集中在全球的电网拓扑措施，往往未能揭示隐藏在真实的电力系统的脆弱性和故障的动态响应背后的机制。在本文中，一个试点研究基于图案的分析电网的鲁棒性下的各种类型的故意攻击，与当地的动态和脆弱性的电力系统的目标。
2017-07-16 physics.soc-ph stat.AP
Motif-based mean-field approximation of interacting particles on clustered networks
图上的相互作用粒子通常用于研究物理学中的磁行为，流行病学中的疾病传播以及社会科学中的观点动力学。关于大型图的这种系统的平均场近似的文献仅限于无簇图，对于无簇图，基于度和对的标准近似通常是相当准确的。在这里，我们提出了一个基于图案的平均场近似，认为高阶子图结构在大型集群图。数值上，我们的方程同意随机模拟现有的方法失败。
2022-07-14 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
The most frequent N-k line outages occur in motifs that can improve contingency selection
同时发生的多条线路停电在电力传输网络中表现出多种空间模式。其中一些空间模式形成了网络应急图案，我们将其定义为比从网络中随机选择的多个中断更频繁地发生的多个中断的模式。我们发现，选择N-K的意外事件，从这些常见的应急图案占多个启动线路停电的概率。这一结果表明，使用历史停电数据的两个传输系统。它使N-k列联表能够更有效地解释可能的多个启动中断，而不是穷举列表或随机选择。由基元构造的N-k列联表可以提高连锁停电模拟中的风险估计，并有助于确定公用事业应急选择。
2023-03-10 physics.soc-ph
Controllability analysis of directed networks in finite states based on pruning motif isomorph
针对有限状态、节点成本不同的有向网络控制问题，提出结合最大增广路径、局部剪枝与模体匹配的驱动节点搜索算法，并在真实网络上验证其准确、低复杂度且可高效控制大型网络。
2022-05-30 physics.soc-ph
Feedback through graph motifs relates structure and function in complex networks
在物理学、生物学和工程学中，网络系统比比皆是。网络系统的连通性如何与其单个组件的行为相结合，以确定其集体功能？我们通过将内部网络反馈与连通性基序的统计流行率（一组令人惊讶的简单和局部连通性统计数据）联系起来，来解决具有线性时不变动力学的网络的这个问题。这导致在一个降阶模型的网络输入输出动态的图案结构。作为一个例子，新的公式大大简化了经典的Erdos-Renyi图，将整个网络行为减少到一个围绕单个节点动态的比例反馈。对于一般的网络，高阶模体系统地提供更多的反馈层和类型来调节网络响应。因此，局部连通性塑造了整个网络的时间和频谱处理，我们展示了这是如何实现鲁棒且可调的功能的，例如扩展网络记住过去信号的时间常数。该理论还扩展到由具有不同动态和连通性的异构节点组成的网络，以及对节点子集的模式化输入（和读出）。这些统计描述提供了一个强大的理论框架来理解现实世界的网络系统的功能，正如我们所展示的例子，包括小鼠大脑连接体。
2018-12-18 cond-mat.dis-nn physics.soc-ph q-bio.NC
