Growing unlabeled networks
本文提出无标签树的生长模型，通过叶子统计的理论形式化方法分析网络对称性对生长动力学的影响，发现度异质性在均匀连接下轻度增强、在优先连接下极端增强。
2025-09-21 cs.SI physics.soc-ph
Dynamics of condensation in growing complex networks
一个冷凝过渡预测不断增长的技术网络的优先连接和竞争质量的节点，如所描述的健身模型。当这种凝聚发生时，节点获得网络所有链路的有限部分。早期的研究基于稳态度分布和对玻色-爱因斯坦凝聚的映射，能够确定临界点。在这里，我们描述了冷凝的动力学，我们提出的证据表明，在冷凝温度以下，动力学会减慢，并且单个节点（不一定是网络中的最佳节点）会在很长一段时间内成为赢家。当新链路确定性地连接到网络的最高质量节点时，出现这种现象的特征时间t* 在临界点和$T -> 0$都发散。
2009-10-16 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Spatially embedded growing small-world networks
自然界中的网络通常以动态的方式在空间域中形成，随着时间的推移而获得链接和节点。我们提出了一类基于空间的增长网络模型，并调查所得到的统计网络属性和网络嵌入的空间的维度和拓扑结构之间的关系。特别是，我们考虑的模型中，节点被放置在空间中的随机位置一个接一个，与每个这样的位置，随后的配置松弛到均匀的节点密度，和连接的新节点与空间附近的节点。我们发现，这样的增长过程自然会导致网络的小世界功能，包括一个短的特征路径长度和非零集群。这些性质似乎并不强烈依赖于嵌入空间的拓扑结构，但强烈依赖于它的维数;高维空间导致更短的路径长度，但更少的聚类。
2013-12-27 cond-mat.stat-mech cs.SI physics.soc-ph
Information is localized in growing network models
Harvard T.H. Chan School of Public Health（哈佛陈曾熙公共卫生学院）
研究揭示了生长网络模型中信息的局部化特性，利用图神经网络开发神经密度估计器，实现高效无似然推断。
2025-12-29 cs.SI physics.soc-ph
Characteristic exponents of complex networks
我们提出了一种新的方法来描述复杂网络的结构，通过研究他们的随机游动轨迹的统计特性。我们认为时间序列对应于步行者访问的节点的不同属性。我们表明，这些时间序列的波动的分析，可以定义一组特征指数，捕捉本地和全球组织的网络。这种方法提供了一种解决网络科学中两个经典问题的方法，即网络的系统分类和增长网络的显著特性的识别。这些结果有助于为复杂系统的结构和动力学研究建立一个统一的框架。
2014-05-22 cs.SI physics.soc-ph
On the formation of structure in growing networks
基于形成的三联路口，所提出的机制产生的网络，表现出扩展，而不是单一的幂律行为。当网络规模增长到无穷大时，三元组的形成保证了强大的邻域聚类和社区级特征。渐近行为在有向网络的研究中是很有意义的，在有向网络中，（i）链路的形成不能用优先连接原理来描述，（ii）入度分布对度高的节点符合幂律，对度低的节点符合指数形式;（iii）聚类特性出现在多个尺度上，并且取决于新添加的节点建立的链接的数量和形成三元组的概率;以及（iv）节点组形成以到其余节点的链接较少为特征的模块。
2013-04-30 cs.SI physics.soc-ph
Nonparametric estimation of the preferential attachment function from one network snapshot
偏好依恋通常被用来解释那些重尾度分布的出现，这些重尾度分布是不断增长的网络表征各种现实世界现象的特征。在现实世界中不断增长的网络中验证这一假设是网络科学研究的一个重要前沿。传统的偏好连接估计方法需要在至少两个时间快照上观察到不断增长的网络。然而，许多公开的增长网络数据集只能作为单个快照提供，这使得应用网络科学家无法测量这些情况下的偏好依恋。我们提出了一个非参数的方法，称为PAFit-oneshot，从一个快照在不断增长的网络中估计优先连接。PAFit-oneshot修正了先前未被注意到的偏差，该偏差是在估计仅针对单个快照中观察到的程度的偏好依恋值时产生的。我们的工作提供了一种方法来测量在大量的公开可用的一个快照网络的优先连接。作为示范，我们估计在三个这样的网络的优先连接，并发现在所有情况下的次线性优先连接。PAFit-oneshot在R包PAFit中实现。
2021-06-21 cs.SI physics.data-an physics.soc-ph
A geometric graph model of citation networks with linearly growing node-increment
针对某些引文网络中年度发表论文数量呈线性增长的特点，提出了一个几何模型来预测这些网络的统计特征，其中论文的学术影响范围通过与时间和空间相关的特定几何区域来表示。在该模型中，节点（论文）均匀随机地散布在闵可夫斯基空间的一簇圆上，这些圆的中心位于时间轴上。边缘（引用）根据影响机制链接，该机制表明现有论文将被位于其影响区的新论文引用。考虑到不同学科论文之间的引用情况，在模型中加入了跨学科的引用机制，即一些被选中概率较小的论文将随机、均匀地引用一些已有的论文。与现有的大多数模型只研究入度分布的幂律尾部不同，该模型还刻画了整体入度分布。此外，本文还描述了真实网络的其他一些重要统计特性，如内外连通性、巨连通性和清晰的社区结构。因此，有理由相信本文为用几何图研究实际网络提供了一个很好的例子。
2016-07-06 cs.DL physics.soc-ph
Birth-Burst in Evolving Networks
复杂网络的演化受生长规则和内部性质的共同支配。大多数进化网络模型（如优先连接）强调增长策略，而忽略了单个节点的特性。在这项研究中，我们分析了一个被广泛研究的网络：进化的蛋白质-蛋白质相互作用（PPI）网络。我们发现了单个节点的关键贡献，特别是在它们出生时。具体来说，一个节点生来就有一个适应度值--一个衡量其内在重要性的指标。当网络中引入一个适应度较大的节点时，相应地确定了一个较高的出生度，从而导致网络的连通性急剧增加。这些大（枢纽）节点的度分数不会随着网络的演化而衰减，同时在整个生命周期内保持恒定的影响。在这里，我们开发了出生爆发模型，适应度模型的适应，模拟度爆发和相变的网络进化。
2020-05-06 cs.SI physics.soc-ph
Growing Self-organized Design of Efficient and Robust Complex Networks
一个高效和鲁棒的网络的自组织对于未来的通信或交通系统的设计是很重要的，然而这两个特性在许多真实的网络中是不相容的。最近，人们已经发现，具有正度-度相关性的洋葱状结构的鲁棒性是最佳的故意攻击。我们表明，通过生物学灵感的复制，一个洋葱状的网络出现在增量增长的代理访问和加强连接的空间上的功能。该网络的主干通过复制形成树状结构，外围通过在低度节点之间增加捷径连接来增强连通性。它具有不同于传统的复制-发散模型的统计自平均、无过载枢纽的类指数度分布、对恶意攻击和随机故障的强鲁棒性以及以跳数作为中介和以欧氏距离计算的短路径的效率等优良特性。本文还讨论了在地理地图上发生灾难或战场时，网络的自适应性，以适应环境的变化，从而恢复网络的性能。这些属性将是有用的弹性和可扩展的网络系统的基础设施，即使在紧急情况下或恶劣的环境。
2015-08-11 cs.SI nlin.AO physics.soc-ph
Geometric explanation of the rich-club phenomenon in complex networks
丰富的俱乐部组织（网络中存在高度连接的枢纽核心）影响网络的许多结构和功能特征，包括拓扑结构、路径效率和负载分布。尽管它的主要作用，文献中只包含一个非常有限的一组模型，能够生成现实丰富的俱乐部结构的网络。一个可能的原因是，丰富的俱乐部组织是复杂网络中的一个分裂属性，表现出极大的多样性，而其他指标（例如直径，聚类或度分布）似乎在许多网络中表现得非常相似。在这里，我们提出了一个简单而强大的基于几何的增长模型，可以通过控制一个单一的几何参数，生成具有高度丰富的俱乐部多样性的现实复杂网络。增长模型对互联网，蛋白质-蛋白质相互作用，机场和电网网络进行了验证。
2017-12-04 cs.SI physics.soc-ph
Supersymmetric multiplex networks described by coupled Bose and Fermi statistics
到目前为止，还没有在复杂网络中发现简单对称性。在这里，我们表明，在不断增长的多路复用网络的多层结构的对称性可以利用其动力学规则，形成耦合玻色-爱因斯坦和费米-狄拉克量子统计描述的超对称多路复用网络。超对称多路复用由无标度网络层形成，并且可以显示链接的玻色-爱因斯坦凝聚。为了用量子信息工具刻画超对称复用的复杂性，我们将网络纠缠熵的定义扩展到复用网络的各个层。有趣的是，我们观察到一个非常简单的关系之间的纠缠熵的层的超对称复用网络和熵率相同的复用网络。因此，这种关系将超对称多路复用网络的经典非平衡增长动力学与其量子信息静态特性联系起来。
2015-01-15 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
A multilevel analysis to systemic exposure: insights from local and system-wide information
在金融危机之后，越来越多的关于金融网络的文献广泛地记录了拓扑特征（例如度中心性度量）的预测能力，以解释金融机构的系统性影响或系统脆弱性。在这项工作中，我们表明，考虑基于局部子网络环境的替代拓扑措施，提高了我们识别系统机构的能力。为了提供经验证据，我们采用两步程序。首先，我们恢复网络社区（即密切的同行环境）的溢出网络的金融机构。第二，我们回归三个层次的拓扑措施的脆弱性的替代措施：全球层面（即在整个系统计算的公司拓扑特征），地方层面（即在社区计算的公司拓扑特征）和聚合水平平均个人特征超过社区。样本包括标准普尔500指数中的$46$金融机构（银行、经纪自营商、保险和房地产公司）。我们的研究结果证实了基于紧密对等环境的拓扑度量的信息内容。这些信息不同于传统的系统拓扑度量，被证明是金融机构在危机时的困境预测。
2019-10-18 cond-mat.stat-mech physics.soc-ph q-fin.GN
Scaling of Congestion in Small World Networks
在这份报告中，我们表明，在一个平面指数增长的网络组成的$N$节点，拥塞规模为$O(N^2/\log(N))$独立的流量如何可能被路由。这与平坦多项式增长网络中拥塞的$O(N^{3/2})$缩放形成对比。我们还表明，没有平面性条件，在一个小世界网络的拥塞可以规模低至$O(N^{1+ε})$，任意小的$ε$。这些极端的结果表明，小世界属性本身不能提供指导的网络中的拥塞程度和其他特征需要更好的解决方案。最后，我们调查的缩放下的测地流，也就是说，当流路由的最短路径的基础上的链路度量的拥塞。在这里，我们证明，如果链接的权重缩放任意小或大的乘数，那么拥塞可能会发生相当大的变化。然而，如果我们约束的链路权重乘数有界远离零和无穷大，那么变化的拥塞，由于这样的非线性可以忽略不计。
2012-01-20 cond-mat.stat-mech cs.SI math.MG
Investigating the Origins of Fractality Based on Two Novel Fractal Network Models
许多网络模型已经被研究，以深入了解分形的起源。在这项工作中，我们介绍了两个新的网络模型，以更好地理解分形网络的生长机制和结构特征。基于排斥的分形模型（RBFM）是建立在著名的Song-Havlin-Makse（SHM）模型的基础上，但在RBFM中，排斥总是存在于特定的一组节点之间。该模型解决了SHM模型和枢纽吸引动态增长模型之间的矛盾，表明排斥是导致分形的特征。格点小世界跃迁模型（LSwTM）的产生是因为排斥力直接影响节点距离。通过LSwTM，我们研究了分形小世界的转变。该模型说明了一个固定数量的节点和边缘上的过渡使用的偏好连接为基础的边缘重新布线过程。结果表明，较小的平均距离不利于分形标度，同时也表明分形性不是一种二分性质，在纯分形和非分形特征之间可以观察到连续的过渡。
2022-10-27 cs.DM cs.SI physics.data-an
