Patterns of Emotional Blogging and Emergence of Communities: Agent-Based Model on Bipartite Networks
背景资料：本文利用基于主体的建模方法和从相关实证数据中推断出的参数，对博客群体情绪行为的机制进行了研究。方法/主要发现：一个双边网络的情感代理和职位的发展，通过添加代理和他们的行动的职位。代理的情绪状态，量化的唤醒和效价，波动的时间，由于事件上的连接职位，并在代理的行动的时刻，它被转移到一个选定的职位。我们声称，间接沟通的情感模型规则，结合行动延迟时间和昼夜节律提取的经验数据，可以解释的成因流行的博客和类似的门户网站上的用户的情绪爆发。该模型还确定了参数以及它们如何影响动态过程。结论：在这里，集体行为被网络上社区的出现和他们的情绪评论的分形时间序列所认可，这些评论由负面情绪（批评）提供动力。不断发展的代理社区在唤醒-效价变量的相空间中留下活动的特征模式，其中每个片段代表心理学中描述的共同情感。
2011-10-23 cs.HC cs.SI physics.soc-ph
Hierarchical-Graph-Structured Edge Partition Models for Learning Evolving Community Structure
Great Bay Institute for Advanced Study（大湾区高等研究院）；Great Bay University（大湾区大学）；School of Computing and Information Technology（计算与信息技术学院）
提出一种基于 Poisson-gamma 边划分和层次图先验的动态网络模型，通过层次转移核建模潜在社区的演化与交互，在链路预测和社区检测任务上优于现有方法。
2024-11-18 cs.LG cs.SI
Potts model based on a Markov process computation solves the community structure problem effectively
Potts模型是揭示复杂网络社区结构的有力工具。在这里，我们提出了一个新的框架，揭示了最佳的社区数量和网络结构的稳定性，通过定量分析Potts模型的动力学。具体地说，我们用马尔可夫过程对社区结构检测Potts过程进行了建模，并给出了明确的数学解释。然后，我们表明，在多个时间尺度上的马尔可夫变量的表示自旋值的局部均匀行为可以自然地揭示网络的层次社区结构。此外，从马尔可夫过程的光谱特征中还可以推断出关于多元自旋组态的关键拓扑信息。最后提出了一种基于最优社区数和多时间尺度稳定性的模糊社区确定算法。理论分析和实验验证了算法的有效性和效率。
2015-03-27 cs.SI physics.soc-ph
A Generative Node-attribute Network Model for Detecting Generalized Structure
探索嵌入网络中的有意义的结构特征是理解和分析网络结构和功能的关键。节点属性信息可以帮助改善这种理解和分析。然而，大多数现有方法集中于检测传统社区，即，具有密集内部连接和稀疏外部连接的节点分组。本文基于节点的连通性和属性的同质性，提出了一种既能生成拓扑信息又能生成属性信息的原则模型（GNAN）。新模型不仅可以检测网络中的社团结构，还可以检测网络中的一系列其他类型的结构，如二分结构、核心-外围结构以及它们的混合结构，这些结构统称为广义结构。该模型结合了拓扑信息和节点属性信息，比只利用拓扑信息的模型能更准确地检测出社区。我们的模型可以自动学习属性和社区之间的依赖关系，因此我们可以忽略不包含有用信息的属性。模型参数的推导采用期望最大化算法。最后通过一个实例验证了该模型在社区语义可解释性方面的能力。在合成网络和真实网络上的实验表明，新模型与其他最先进的模型相比具有竞争力。
2021-06-05 cs.SI stat.ML
Infinite Edge Partition Models for Overlapping Community Detection and Link Prediction
提出了一种层次伽玛过程无限边划分模型，用于分解Bernoulli-Poisson链接下的无权无向关系网络的二元邻接矩阵。该模型描述了同伦和随机等价，并可扩展到大型稀疏网络的计算集中在对连接的节点。它不仅可以发现重叠社区和社区间的交互，还可以预测缺失的边缘。还提供了一个省略社区间互动的简化版本，我们揭示了它与现有模型的有趣联系。社区的数量是自动推断在一个非参数贝叶斯的方式，并通过吉布斯抽样使用新的数据增强技术推导出有效的推理。在四个真实网络上的实验结果证明了模型的可扩展性和最先进的性能。
2015-12-30 cs.SI stat.ML
Stochastic Blockmodels with Edge Information
Amazon, Inc.（亚马逊公司）；The University of Texas at Austin（得克萨斯大学奥斯汀分校）
随机块模型允许我们用潜在的社区结构来表示网络，通常会产生关于底层社会结构的直觉。通常，这种结构仅基于表示节点之间存在或不存在交互的二进制网络来推断，这限制了可以从数据中提取的信息量。在实践中，许多交互网络包含更多关于两个节点之间关系的信息。例如，在电子邮件网络中，两个用户之间的通信量和通信内容可以为我们提供有关他们关系的强度和性质的信息。在本文中，我们提出了主题块模型，一个随机块模型，使用计数为基础的主题模型，以捕捉潜在社区内和之间的互动方式。通过明确地将节点之间发送的信息纳入我们的网络表示中，我们能够解决现实世界中感兴趣的问题，例如预测电子邮件消息的收件人或推断未打开的电子邮件的内容。此外，通过考虑与一对社区相关的主题，我们能够更好地解释每个社区的性质及其与其他社区互动的方式。
2019-04-03 cs.LG cs.SI stat.ML
Reconstructing signed relations from interaction data
ETH Z\"urich, Chair of Systems Design Weinbergstrasse 56/58, Z\"urich, Switzerland
积极和消极的关系在人类行为中起着至关重要的作用，并塑造了我们生活的社区。尽管他们的重要性，有关签署关系的数据是罕见的，通常通过调查收集。交互数据更丰富，例如，以接近或通信数据的形式。然而，到目前为止，它还不能用来检测有符号的关系。在本文中，我们将展示如何使用这些数据提取潜在的有符号关系。采用统计网络的方法，我们在四个社区的签署关系构建网络。然后，我们表明，这些关系对应的调查报告。此外，推断的关系使我们能够研究个体的同性恋与性别，宗教信仰和财务背景。我们评估了在签名网络中三合会的重要性，以研究群体凝聚力。
2022-09-07 cs.LG cs.SI math.ST
Who Belongs Together? Topical and Social Structure in Bluesky Starter Packs
Faculty of Engineering and Natural Sciences, Sabanci University（萨班哲大学工程与自然科学学院）；Center of Excellence in Data Analytics, Sabanci University（萨班哲大学数据卓越中心）
研究Bluesky入门包是否捕捉有意义的主题与社会结构，发现其成员在主题和社交上高度连贯，但受众覆盖有限，表明人工策划可补充算法推荐以促进发现。
2026-09-28 cs.CY cs.SI
Constrained Expectation-Maximisation for inference of social graphs explaining online user-user interactions
目前的网络推理算法无法生成具有边的图，这些边可以解释给定数据集或轨迹中的整个节点交互序列。为了量化一个推断的图形可以解释一个轨迹的程度，我们引入了可行性，一个新的质量标准，并建议它与结果的准确性有关。此外，我们还提出了CEM-*，这是一种网络推理方法，在给定在线社交媒体跟踪的情况下，可以保证100%的可行性，这是Newman（2018）开发的期望最大化算法的非平凡扩展。我们提出了一组线性优化更新，其中包含一组辅助变量和一组可行性约束;后者考虑到用户之间可能存在的所有隐藏路径，这些路径基于用户交互的时间戳，并引导推理走向可行性。我们提供了两个CEM-* 变体，假设基础图的未知分布是Erdos Renyi（ER）或随机块模型（SBM）。在一个合成和一个真实世界的Twitter数据集上进行的大量实验表明，对于这两个先验数据，CEM-* 可以生成一个后验分布图，解释整个轨迹，同时更接近地面真相。作为额外的好处，使用SBM先验在优化期间同时推断和聚类用户。CEM-* 在可行性、运行时间和推断图和社区的精度方面优于基线和最先进的方法。最后，我们提出了一个启发式的推理，以适应较低的可行性要求，并显示它如何影响结果的精度。
2023-01-25 cs.SI
No Silk Road for Online Gamers!: Using Social Network Analysis to Unveil Black Markets in Online Games
网络游戏涉及大量的用户，他们通过互联网相互联系和交互。我们研究了通过称为“真实货币交易（RMT）”的过程用真实货币交换虚拟商品的特征。“这种交流可能会影响网络游戏用户的行为，并对游戏公司的声誉造成损害。我们通过构建网络游戏中虚拟物品交换的社交图和识别用户的网络社区来研究游戏中的交易，以揭示RMT。我们分析了一个流行的在线游戏中大约600万笔交易，并通过比较从游戏外市场抓取的RMT交易来推断RMT交易。研究发现：（1）RMT市场的规模可以大致估计;（2）专业RMT提供商通常形成特定的网络结构（星形或链状），可作为追踪RMT交易的线索;以及（3）所观察到的RMT市场随着时间的推移已经演变为具有少数大型虚拟物品提供商的垄断市场。
2018-01-19 cs.CR cs.CY cs.SI
Community Detection in Partially Observable Social Networks
Dankook University（檀国大学）；Yonsei University（延世大学）；University of Konstanz（康斯坦茨大学）
社交网络中社团结构的发现是理解网络拓扑结构和功能的一个基本问题，因此受到了广泛的关注。然而，大多数社交网络数据都是从部分可观察的网络中收集的，其中既有缺失的节点，也有缺失的边缘。在本文中，我们解决了一个新的问题，检测重叠的社区结构的背景下，这样一个不完整的网络，在网络中的社区被允许重叠，因为节点属于多个社区一次。为了解决这个问题，我们引入KroMFac，一个新的框架，进行社区发现通过正则化非负矩阵分解（NMF）的基础上的克罗内克图模型。具体来说，从推断的Kronecker生成参数矩阵，我们首先估计网络的缺失部分。作为我们对所提出的框架的主要贡献，为了提高社区发现的准确性，我们然后通过排名来描述和选择有影响力的节点（往往具有高程度），并将它们添加到现有的图中。最后，我们通过解决正则化NMF辅助优化问题来最大化底层图的可能性来揭示社区结构。此外，采用归一化互信息（NMI），我们经验表明，我们的KroMFac方法的优越性，通过使用合成和真实世界的网络超过两个基线计划。
2021-04-16 cs.LG cs.SI physics.soc-ph
The Hawkes Edge Partition Model for Continuous-time Event-based Temporal Networks
我们提出了一种新的概率框架来模拟连续时间的交互事件数据。我们的目标是推断\emph{implicit}社区结构背后的时间实体之间的相互作用，并利用社区结构如何影响这些节点之间的互动动态。为此，我们使用相互激励的霍克斯过程的个人之间的往复互动模型。每对个体的霍克斯过程的基本速率是建立在使用分层伽马过程边缘分区模型（HGaP-BEM）推断的潜在表示上的。特别是，我们的模型允许每对个体之间的互动动态由各自的附属社区进行调制。此外，我们的模型可以灵活地纳入辅助个人的属性，或与交互事件相关的协变量。有效的吉布斯采样和期望最大化算法，通过Pólya-Gamma数据增强策略进行推理。在真实数据集上的实验结果表明，该模型不仅在时间链接预测方面取得了与现有方法相比具有竞争力的性能，而且还发现了时间交互背后可解释的潜在结构.
2020-06-23 cs.SI
Depicting urban boundaries from a mobility network of spatial interactions: A case study of Great Britain with geo-located Twitter data
现有的城市边界通常由政府机构出于行政、经济和政治目的而界定。考虑社会经济关系和市民通勤模式的城市边界界定对于城市和区域规划的许多方面都很重要。在本文中，我们描述了一种方法来划定城市边界的基础上，从社会媒体推断的物理空间与人类的互动。具体来说，我们使用Twitter用户空间交互的移动网络描绘了英国的城市边界，该网络是从超过6900万条地理位置的推文中推断出来的。我们定义的非行政区划边界的层次结构的基础上不同的物理运动范围的用户来自Twitter用户在英国的集体流动模式。网络空间中以社区形式存在的紧密联系的城市区域的结果产生了地理上有凝聚力的、不重叠的城市区域，这为英国的非行政地理城市边界提供了清晰的划定。该方法适用于国家（英国）和市政规模（伦敦大都市）。虽然我们的研究结果与行政边界吻合良好，但发现了许多意想不到和有趣的边界。重要的是，由于所描绘的城市边界表现出很强的空间邻近性，我们采用了重力模型来理解距离衰减对塑造划定的城市边界的影响。该模型解释了移动模式中的地理距离如何影响不同非行政区划城市区域之间的互动强度，为人类与城市空间的空间互动提供了新的见解。
2017-01-11 cs.SI physics.soc-ph
Network-distance decay of perceived online social support
Multidisciplinary Information Science Center, CyberAgent, Inc.（CyberAgent 株式会社多学科信息中心）；Graduate School of Engineering, The University of Tokyo（东京大学工学研究科）
研究在线社交网络中感知到的社会支持与网络距离的关系，通过链接调查数据与行为日志，用随机森林推断支持，发现其随网络距离呈幂律衰减，模拟表明异质衰减率会产生重尾聚合衰减，强调考虑网络位置异质性的重要性。
2026-07-13 cs.SI
Reciprocity of weighted networks
所有类型的网络都是由成对的顶点组成的二元构建块的复杂组合。在有向网络中，二元模式完全由相互作用决定，即形成或避免相互链接的趋势。互惠性对每个网络的动态过程以及诸如模体和社区等结构的出现具有显著的影响。二元互易性已经得到了广泛的研究：加权网络的互易性仍然知之甚少。我们介绍了一种通用的方法，通过定义捕获观察到的模式（从特定于二元组到特定于顶点和网络范围）的量，并引入分析解决的模型（指数随机图类型）。与直觉相反，以前的互惠措施的基础上的相互链接权重的相似性是没有信息的。相比之下，我们的措施可以分类不同的加权网络，跟踪网络的互惠性的时间演变，识别模式。我们表明，在某些网络的本地互惠结构可以推断出从全球之一。
2013-07-23 cs.SI physics.data-an physics.soc-ph
Social media fingerprints of unemployment
最近广泛采用的电子和普及技术使人类行为的研究达到了前所未有的水平，揭示了人类活动，移动性和人际交往的普遍模式。在目前的工作中，我们调查是否偏离这些普遍的模式可能会揭示地理区域的社会经济地位的信息。我们量化了不同地区的昼夜节律、流动模式和沟通方式与失业率之间的差异。为此，我们研究了一个国家规模的公开表达的社交媒体数据集，在那里我们量化了个人的行为特征，从超过1.45亿的地理位置分布在340多个不同的西班牙经济区的消息，推断计算社区的凝聚力流动性通量。我们发现，地区表现出更多样化的流动性通量，更早的昼夜节律，更正确的语法风格显示较低的失业率。因此，我们提供了一个简单的模型，能够仅从他们的社交媒体数字指纹中产生准确，易于解释的区域失业率重建。我们的研究结果表明，可以根据公开的社交媒体数据集建立具有成本效益的经济指标。
2014-11-19 cs.SI physics.data-an physics.soc-ph
Leveraging Peer Centrality in the Design of Socially-Informed Peer-to-Peer Systems
社交应用程序挖掘用户社交图谱，以提高搜索性能，提供推荐，允许资源共享并提高数据隐私。当这样的应用在对等（P2P）架构上实现时，社交图分布在P2P系统上：社交图的遍历转化为对等层中的社交通知路由。在这项工作中，我们介绍了模型的投影图，这是分散的社交图到对等网络的结果。我们专注于三个社会网络指标：度，节点介数和边缘介数中心性和分析制定的社会图和投影图中的指标之间的关系。通过对真实网络的实验评估，我们证明了当映射用户社区的大小高达50-150个用户在每个对等体上时，社交图的属性与投影图之间的关联性很高，因此（动态）投影图的属性可以从（变化较慢的）社交图的属性中推断出来。此外，我们展示了两个应用场景上的大规模社交网络的可用性的投影图在设计社会化搜索应用程序和非结构化P2P覆盖。
2012-10-22 cs.DC cs.SI
Emotion Diffusion in Real and Simulated Social Graphs: Structural Limits of LLM-Based Social Simulation
本研究比较了现实与模拟社交图中的情感扩散，发现LLM生成的数据在结构和动态上存在显著差异，影响下游任务性能。
2025-12-24 cs.SI
Optimal timescale for community detection in growing networks
带时间戳的数据越来越多地用于许多社会、经济和信息系统，这些系统可以表示为随时间增长的网络。例如，万维网、社会联系网络、科学论文和在线新闻文章的引用网络都属于这种类型。静态方法可能不足以分析不断增长的网络，因为它们错过了系统动态的基本信息。同时，时间感知的方法需要选择一个观察时间尺度，但我们缺乏原则性的方法来确定它。我们专注于流行的社区检测问题，其目的是将网络的节点划分为有意义的组。我们使用多层质量函数来显示，在合成和真实数据集上，导致最佳社区的观察时间尺度与系统的内在老化时间尺度密切相关，可以从时间戳网络数据中推断出。时间信息的使用导致了对真实信息网络的社区结构的截然不同的结论，这挑战了目前对不断增长的网络的大规模组织的理解。我们的研究结果表明，在试图评估不断发展的网络的结构模式之前，至关重要的是要揭示产生它们的动态过程的时间尺度。
2019-08-01 cs.SI physics.data-an physics.soc-ph
Structural Diversity for Resisting Community Identification in Published Social Networks
随着越来越多的社交网络数据被发布和共享用于商业和研究目的，关于社交网络中的个人的隐私问题已经成为严重的问题。顶点识别是基于顶点度等背景知识从网络中识别特定用户的一个重要问题。然而，在现实中，社交网络中的每个个体倾向于不仅与顶点身份相关联，而且与社区身份相关联，社区身份可以表示对公众敏感的个人隐私信息，例如政党归属。本文首先解决了新的隐私问题，被称为社区识别，通过显示，即使社会网络的保护，现有的匿名计划的受害者的社区身份仍然可以推断。针对这个问题，我们提出了\textit{structural diversity}的概念来提供社区身份的匿名性。$k$ -结构多样性分析（$k$ -SDA）是为了确保在社交网络中的至少$k$社区中具有相同顶点度的足够顶点。我们提出了一个可扩展的编程公式，以找到最佳的解决方案，$k$ -SDA，也设计了可扩展的算法，以解决大规模的情况下，$k$ -SDA从不同的角度。真实数据集上的性能研究从不同的角度证明了所提出的隐私方案和我们的匿名化方法的实际效用。
2013-02-13 cs.DS cs.SI
Diffusion-Induced Spatial Attention Overlapping Community Detection
Aalto University School of Science（阿尔托大学理学院）；Lockheed Martin（洛克希德·马丁公司）
针对现有图神经网络在重叠社区检测中因局部消息传递导致的边界模糊和长程依赖缺失问题，提出DISCO框架，融合扩散结构先验、稀疏注意力与非负社区学习，在基准上表现优异，并在网络安全异常检测中验证了实用性。
2026-09-23 cs.LG cs.SI
Learning dynamic representations of the functional connectome in neurobiological networks
Yale University（耶鲁大学）；UMass Chan Medical School（马萨诸塞大学陈医学院）
本文提出结合非负张量分解与加权社群检测生成模型的无监督方法，从活体动物全脑钙活动中推断动态神经元亲和关系及功能连接组，并经实验验证可预测导致行为的因果相互作用。
2024-02-27 cs.LG cs.SI q-bio.NC
Hide and Seek: Outwitting Community Detection Algorithms
IIIT-Delhi（德里印度信息技术学院）
节点的社区归属在确定其在网络中的上下文位置方面起着重要作用，这可能会在敏感节点想要在网络中隐藏其身份时引起隐私问题。通常，目标社区寻求保护自己免受对手的攻击，以便其组成成员仍然隐藏在网络中。目前的研究重点是隐藏这样的敏感社区，使社区成员的目标节点可以被隐藏。这导致了社区欺骗的问题，该问题调查了网络中最小化重新布线节点的途径，使得给定的目标社区最大限度地隐藏于社区发现算法之外。我们正式的社区欺骗的问题，并介绍神经，一种新的方法，greetly优化以节点为中心的目标函数，以确定重新布线策略。理论设置对可用于优化目标函数的策略的数量进行了限制，这反过来又减少了从多个选项中选择最佳策略的开销。我们还表明，我们的目标函数是次模和单调。当在合成网络和7个真实网络上进行测试时，NEURAL能够欺骗6个广泛使用的社区发现算法。我们将其性能与4个评估指标上的4种最先进的方法进行基准测试。此外，我们对其他3个真实世界网络的定性分析表明，NEURAL非常引人注目地捕获了关于边的重要元信息，这些信息无法通过仅观察其拓扑结构来推断。
2021-02-22 cs.LG cs.SI physics.soc-ph
