Towards Cost-efficient Sampling Methods
抽样方法在复杂网络领域，特别是统计物理领域一直受到广泛的关注。基于一小部分节点度高的顶点可以拥有网络的大部分结构信息的观点，提出了两种新的采样方法。这两种采样方法在对度较高的节点进行采样时是有效的。第一种新的抽样方法是在分层随机抽样方法的基础上改进的，通过对节点的度分布进行分类，选择概率较高的度节点。第二种采样方法改进了现有的滚雪球采样方法，使其能够在每个采样步骤中选择性地对目标节点进行采样。此外，这两种采样方法不仅对节点进行采样，而且对与这些节点直接相连的边进行采样。为了证明这两种方法的有效性和准确性，我们在三种常用的模拟网络（无标度网络、随机网络、小世界网络）和两种真实网络中将它们与现有的抽样方法进行了比较。实验结果表明，本文提出的两种采样方法在采样代价和获取真实网络结构特征方面均优于现有的采样方法。
2014-05-22 cs.SI physics.soc-ph
Benefits of Bias: Towards Better Characterization of Network Sampling
从社交网络到P2P系统，网络采样出现在许多环境中。我们提出了一个详细的研究网络抽样策略的偏见的性质，以阐明如何最好地从网络中采样。我们调查具体的偏见和结构代表性的各种措施之间的联系。我们表明，某些偏见，事实上，对许多应用程序是有益的，因为他们“推”的采样过程中包含所需的属性。最后，我们描述了如何利用这些采样偏差在几个，现实世界的应用，包括疾病爆发检测和市场研究。
2011-09-18 cs.SI physics.soc-ph
Task-driven sampling of attributed networks
本文介绍了采样属性网络，以支持标准的数据采掘任务的新技术。这个问题之所以重要，有两个原因。首先，通常执行数据采掘任务，例如网络属性（节点的属性，包括社交媒体帖子）的聚类和分类。此外，现实世界的网络规模非常大，我们需要使用较小的图样本。其次，虽然随机抽样将提供对内容的无偏估计，但许多网络往往无法获得随机访问。因此，网络采样器，如雪球采样，森林火灾，随机游走，大都市-黑斯廷斯随机游走被广泛使用;然而，这些属性不可知的采样器被设计为捕捉网络结构的显着属性，而不是节点内容。后者对于聚类和分类任务至关重要。本文的主要贡献有三点。首先，我们介绍了几个基于信息论原理的属性感知采样器。其次，我们证明了这些采样器有一个偏向于捕捉新的内容，并相当于均匀采样的限制。最后，我们在大型真实世界数据集和合成基准上的实验结果很有见地：属性感知采样器在聚类和分类任务中的表现远远优于随机采样和基线属性不可知采样器。
2017-02-22 cs.SI
Empirical comparison of network sampling techniques
在过去的几年里，大规模和快速发展的网络的存储和分析提出了巨大的挑战。因此，已经提出了许多不同的技术来对大型网络进行采样。通常，网络探索技术比随机节点和链路选择更准确地近似原始网络。然而，链接选择与额外的子图归纳步骤优于大多数其他技术。在本文中，我们应用子图归纳也随机行走和森林火灾抽样。我们分析了不同的现实世界中的网络和它们的性质的变化引入采样。我们比较了几种基于原始网络和它们的采样变体之间的匹配的采样技术。结果表明，子图归纳技术低估了原始网络的度和聚类分布，而高估了原始网络的平均度和密度。没有子图归纳步骤的技术表现出完全相反的行为。因此，从随机选择类别的抽样技术的性能相比，网络探索抽样没有显着差异，而有子图归纳步骤和没有它的技术之间存在明显的差异。
2015-06-09 cs.SI physics.soc-ph
Temporal Network Sampling
Intel Labs（英特尔实验室）；Texas A&M University（得克萨斯农工大学）；Adobe Research（奥多比研究院）
时间网络代表了一个流的时间戳边缘似乎无处不在，在现实世界中。然而，这些网络的巨大规模和连续性使其在分析和利用描述性和预测性建模任务方面具有根本性的挑战。在这项工作中，我们提出了一个具有无偏估计的时间网络采样的一般框架。我们开发在线，单通采样算法和无偏估计的时间网络采样。所提出的算法能够快速，准确，和内存效率的时间网络模式和属性的统计估计。此外，我们提出了一个时间衰减采样算法与无偏估计研究网络的发展，在连续的时间，其中的链接的强度是时间的函数，和图案的时间加权。与先前的$\bigtriangleup t$ -时间基序的概念相反，所提出的用于对时间加权基序进行计数的公式和算法对于预测网络中的任务是有用的，例如预测未来的链路，或者节点和链路的未来时间序列变量。最后，在不同领域的各种时态网络上的实验证明了所提出的算法的有效性。提供了详细的消融研究，以了解拟议框架的各个组成部分的影响。
2021-01-07 cs.DS cs.LG cs.SI
Walk, Not Wait: Faster Sampling Over Online Social Networks
在本文中，我们介绍了一种新的，通用的，技术更快的采样节点在一个在线的社交网络。具体来说，与传统的随机游走等待采样分布收敛到预定的目标分布-等待过程中，招致高查询成本-我们开发步行估计，它开始与一个更短的随机游走，然后主动估计采样概率的节点之前，使用接受-拒绝采样调整采样概率到预定的目标分布。我们提出了一种新的反向随机游走技术，它提供了可证明的无偏估计的采样概率，并通过理论分析和广泛的实验证明步行估计传统的随机游走在现实世界中的在线社交网络的优越性。
2014-11-01 cs.SI physics.soc-ph
Clustering Network Tree Data From Respondent-driven sampling with application to opioid users in New York City
有很大的兴趣，找到有意义的子组的属性网络数据。有许多可用的方法来聚类完整的网络。不幸的是，许多网络数据是通过采样收集的，因此是不完整的。响应者驱动抽样（RDS）是一种广泛使用的方法，用于对难以接触的人群进行抽样，该方法基于跟踪潜在未观察到的社交网络中的链接。因此，所得到的数据具有表示网络的子样本的树结构以及许多节点属性。在本文中，我们介绍了一种方法来调整混合模型的一般网络聚类采样RDS。我们将我们的模型应用于纽约市阿片类药物使用者的数据，并检测反映干预活动感兴趣的群体特征的社区，包括药物使用模式，社会联系和其他社区变量
2020-08-08 cs.SI stat.ME
Tight Sampling in Unbounded Networks
针对无界未知网络的采样问题，受同质性与意见形成研究启发，提出一种优先纳入完整凝聚社区的雪球采样变体，经示例说明与合成网络实验验证，方法表现符合预期。
2023-10-05 cs.SI
Sampling from Diffusion Networks
这种扩散现象对在线社交网络（OSNs）有着显著的影响。在这些大型网络上收集扩散数据遇到了许多挑战，这些挑战可以通过采用合适的采样方法来缓解。本文的贡献是双重的。首先，我们研究了扩散网络上的采样方法，并首次将这些方法分为两类：（1）基于结构的采样（SBS）和（2）基于扩散的采样（DBS）。前一种方法对网络拓扑特征的依赖性，以及后者中真实扩散路径的不可用性，将选择适当采样方法的问题转化为权衡。其次，我们正式定义了扩散网络采样问题，并提出了一些新的基于扩散的特性来评估引入的采样方法。在大规模模拟数据集和真实数据集上的实验表明，DBS算法在较高的采样率（平均16% ~ 29%）下性能明显优于SBS算法，但在较低的采样率下性能相差约7%.因此，在实际的大规模系统中，低采样率的要求，SBS将是一个更好的选择，根据其较低的时间复杂度在收集数据相比，DBS。此外，我们表明，引入的采样方法（SBS和DBS）发挥更重要的作用比图的探索技术，如宽度优先搜索（BFS）和随机游走（RW）在扩散过程的分析。
2014-05-28 cs.SI physics.soc-ph
Effectiveness of Alter Sampling in Social Networks
社交网络在研究各种个人和社会行为中起着关键作用。要在研究中使用社交网络，必须测量它们的结构特性。对于离线社交网络，常规的过程是调查/采访一组随机选择的受访者。在许多实际应用中，通过采样来推断网络结构的成本太高。也有一些应用程序，它只是失败。例如，为了获得最佳的疫苗接种效果，或者为了公共卫生干预而雇用有影响力的传播者，我们需要高效、快速地锁定关系密切的个人，而随机抽样无法做到这一点。在一些研究中，一种替代抽样办法（我们称之为“alter sampling”）已被证明是有用的。这种方法只是针对随机选择的受访者的随机选择的邻居。一个自然出现的问题是：这种方法推广到什么程度？这种方法是否适用于所有的社交网络，还是只适用于目前为止所考虑的极少数社交网络？在本文中，我们证明了这种方法的鲁棒性在广泛的网络具有不同的结构特性。在绝大多数情况下，该方法优于随机抽样。然后，我们提出了一个估计，以评估在实际情况下选择交替抽样随机抽样的优势，并通过不同的合成网络上的Monte Carlo模拟证明其准确性。
2018-12-14 cs.SI physics.soc-ph
Sampling promotes community structure in social and information networks
文献中研究的任何网络都不可避免地只是其现实世界模拟的一个样本代表。此外，网络采样最近经常应用于大型网络，以实现更快，更有效的分析。尽管如此，网络结构的变化所引入的抽样仍然远远没有理解。在本文中，我们研究了存在的特征组的节点在抽样社会和信息网络。我们考虑了不同的网络采样技术，包括随机节点和链路选择，网络探索和扩展。我们首先观察到，社交网络的结构揭示了紧密联系的群体，如社区，而信息网络的结构更好地描述了结构等效节点的模块。然而，尽管有这些显着的差异，采样网络的结构表现出更强的特征，由社区样组比原来的网络，无论其类型和一致的各种采样技术。因此，在社会和信息网络中通常观察到的丰富的社区结构在某种程度上只是采样的人工制品。
2015-04-13 cs.SI physics.data-an physics.soc-ph
Sampling properties of directed networks
对于许多现实世界的网络，只有一个小的“抽样”版本的原始网络可能会被调查，这些结果然后被用来得出有关实际系统的结论。基于流行病过程的广度优先搜索（BFS）抽样的变体被广泛使用。虽然它是公认的BFS采样失败，在大多数情况下，捕捉有向网络的IN组件（S），BFS采样对其他拓扑性质的影响的描述是所有，但缺乏文献。为了系统地研究抽样偏差对有向网络的影响，我们在完全大规模有向网络上比较了BFS抽样和随机抽样。我们提出了新的结果和七个不同的完整的有向网络（采样前），包括三个版本的维基百科，三个不同来源的采样万维网数据的拓扑特性的彻底分析，和基于互联网的社交网络。我们详细的差异，抽样方法和覆盖率可以使这七个网络的抽样版本的结构特性。最值得注意的是，我们发现，抽样方法和覆盖影响蝴蝶结结构，以及在抽样网络中的强连接组件的数量和结构。此外，在低采样覆盖率（小于40%）下，BFS采样网络的平均度、出度方差、度自相关和链路互反性被高估了30%或更多，而当采样覆盖率超过65%时，其值仅在完全网络中相应值的10%以内.这些结果可能会让我们重新思考我们对现实世界有向网络的结构、功能和演化的了解。
2012-10-13 cs.SI physics.data-an physics.soc-ph
Exponentially Twisted Sampling: a Unified Approach for Centrality Analysis in Attributed Networks
在我们最近的工作中，我们开发了一个概率框架，在无向网络和有向网络的结构分析。该框架的核心思想是通过对称和非对称的双变量分布对网络进行采样，然后使用该双变量分布来定义各种概念，包括中心性，相对中心性，社区和模块性。本文的主要目的是将概率的定义扩展到属性网络，其中通过指数扭曲抽样来抽样二元分布。我们的主要发现是，我们找到了一种方法来处理的采样的属性网络，包括签署的网络。利用抽样的方法，我们定义了属性网络中的各种中心性。影响中心性和信任中心性正确地说明了如何识别签名网络中的中心性。当属性网络具有节点属性时，特定于事件的影响中心也完美地定义了中心。在真实世界数据集上的实验结果表明，随着温度的变化，中心性不同。进一步的实验是为了更深入地了解温度的重要性。
2017-08-01 cs.SI physics.soc-ph
Network Sampling: An Overview and Comparative Analysis
本研究实证比较了基于节点、边和探索的网络采样方法，发现无单一方法在静态和时序网络上均占优，最佳策略取决于网络结构和分析目标。
2025-05-02 cond-mat.stat-mech cs.SI physics.data-an
Sampling networks by nodal attributes
在社交网络中，个体或节点通过每次选择一个通信渠道来连接到其他节点，以重新建立现有的社交链接。由于可用的数据集通常限于有限数量的通道或层，这些节点的自主决策过程构成了多路复用网络的采样，导致由节点的行为引起的采样偏差的一个（尽管非常重要）示例。我们开发了一个通用的设置，以获得洞察力和理解的网络采样模型，其中采样的概率在原始网络中的链接取决于其相邻节点的属性$h$的类。假设节点属性独立地从任意分布$ρ(h)$中提取，并且节点属性$h_i$和$h_j$的链路$ij$的采样概率$r(h_i , h_j)$也是任意的，我们推导出采样网络的度分布、度相关性和聚类谱等网络特性的精确解析表达式。采样网络的性质是原始网络拓扑的数量之和，由采样产生的因子加权。基于我们的分析，我们发现采样网络可能具有原始网络中不存在的采样诱导网络属性，这意味着将样本结果天真地推广到整个原始网络的潜在风险。我们还考虑的情况下，当相邻节点的相关属性，以显示如何推广我们的形式主义，这样的采样偏差，我们得到了很好的分析结果和数值模拟之间的协议。
2019-05-23 cs.SI physics.soc-ph
Towards Quantifying Sampling Bias in Network Inference
关系推理利用网络中实体和链接之间的关系，从小样本中推断出有关网络的信息。当无法获得或难以获得有关网络的全局信息时，通常使用此方法。然而，从一个小的标记样本推断的可靠性如何？应该如何对网络进行采样，它对推理错误有什么影响？网络结构如何影响抽样策略？我们通过系统地研究网络抽样策略和样本大小如何影响网络中关系推理的准确性来解决这些问题。为此，我们生成一个家庭的合成网络，其中节点有一个二进制属性和一个可调的同质性水平。正如预期的那样，我们发现，在嗜异性网络中，当网络的小样本最初被标记时，无论采样策略如何，我们都可以获得良好的准确性。令人惊讶的是，同性恋网络的情况并非如此，在异性恋网络中工作良好的采样策略会导致很大的推断错误。这些发现表明，网络结构对关系分类的影响比以前认为的要复杂得多。
2018-03-06 cs.SI physics.soc-ph
Sampling Online Social Networks via Heterogeneous Statistics
在线社交网络（OSN）的大多数采样技术基于单个图上的特定采样方法，其被称为统计量。然而，在同一个OSN中，不同图上的不同实现方法可能会导致不同的采样效率，即，渐近方差为了利用多个统计量的准确测量，我们制定了一个混合抽样问题，通过它，我们构建了一个混合无偏估计，最大限度地减少渐近方差。给定固定的抽样预算为不同的统计量，我们得到的最佳权重，结合个人的估计;给定固定的总预算，我们表明，贪婪的分配对最有效的统计是最佳的。在实践中，统计的抽样效率对于不同的目标可以是相当不同的，并且在抽样之前是未知的。为了解决这个问题，我们设计了一个两阶段的框架，自适应地花费部分预算来测试不同的统计数据，并将剩余的预算分配给推断出的最佳统计数据。我们表明，我们的两阶段框架是1）随机选择一个统计量和2）均匀分配所有可用的统计量之间的总预算的推广，我们的自适应算法实现了更高的效率比这些基准策略在理论和实验。
2015-12-18 cs.SI
Sampling on networks: estimating spectral centrality measures and their impact in evaluating other relevant network measures
我们进行了广泛的分析如何抽样影响几个相关的网络措施的估计。特别是，我们专注于如何采样策略优化，以恢复一个特定的光谱中心性措施影响其他拓扑数量。我们的目标是一方面扩展TCEC [Ruggeri2019]行为的分析，TCEC是一种用于特征向量中心估计的理论基础采样方法。另一方面，为了更广泛地展示采样如何影响相关网络属性的估计，例如不同于旨在优化的中心性度量，社区结构和节点属性分布。最后，我们适应TCEC背后的理论框架的情况下，PageRank中心，并提出了一个抽样算法，旨在优化其估计。我们表明，虽然理论推导可以适当地适应，以涵盖这种情况下，所得到的算法遭受的高计算复杂性，需要进一步的近似相比，特征向量中心的情况下。
2020-03-10 cs.SI physics.data-an physics.soc-ph
Edge sampling using network local information
边缘采样是网络分析中的一个重要课题。它提供了一种自然的方式来减少网络规模，同时保留原始网络的所需功能。仅使用本地信息的采样方法在实践中很常见，因为它们不需要访问整个网络，并且可以很容易地并行化。尽管有希望的经验表现，这些方法大多来自启发式的考虑，因此仍然缺乏理论依据。为了解决这个问题，我们在本文中研究了一个简单的边缘采样方案，使用网络的本地信息。我们证明了当局部连通性足够强时，采样网络满足强谱性质。我们通过一个全局参数来量化局部连通性的强度，并将其与更常见的网络统计数据（如聚类系数和网络曲率）联系起来。在此基础上，我们还给出了随机网络和超图可以有效抽样的充分条件。
2020-08-11 cs.SI math.ST stat.TH
Towards a Standard Sampling Methodology on Online Social Networks: Collecting Global Trends on Twitter
大规模在线社交网络中最重要的当前挑战之一是建立能够收集和总结数据的简洁和连贯的方法。对在线社交网络（OSN）的内容进行采样作为知识发现工具发挥着重要作用。越来越难以忽视的事实是，目前的采样方法必须应对缺乏完整采样框架的情况，即，存在由有限的数据访问确定的强加条件。此外，另一个需要考虑的关键方面是社交网络服务用户产生的大量数据。在这种情况下，特别难以制定抽样方法来收集真正可靠的数据。因此，我们提出了一种低计算成本的方法，用于对Twitter等社交网络服务上的新兴全球趋势进行采样。本研究的主要目的，是开发一种方法，能够通过三个随机生成器：布朗，幻觉和水库进行有效的收集过程。这些随机发生器将与大都会-黑斯廷斯随机游走（MHRW）相结合，以改善采样过程。我们通过正确地提供所收集数据的描述性统计来证明我们方法的有效性。此外，我们还简述了在Twitter上进行实时收集的过程。最后，我们得出结论与趋势集中的图形描述和正式的收敛性分析，以评估是否提请样本已达到平衡状态，得到一个粗略的估计样本质量。
2015-07-06 cs.SI
Sampling Graphlets of Multi-layer Networks: A Restricted Random Walk Approach
小图是诱导子图模式，对于理解大型网络的结构和功能至关重要。已经投入了大量的努力来计算小图统计，其中基于随机游走的方法通常用于通过可用的应用编程接口（API）访问受限图。然而，大多数研究仅仅考虑单个网络，而忽略了不同网络之间的强耦合。在本文中，我们估计在多层网络与现实世界中的应用程序的graphlet浓度。如果两个节点属于同一个人，则层间边连接不同层中的两个节点。对多层网络的访问是限制性的，因为上层允许随机游走采样，而下层的节点只能通过层间边缘访问，并且仅支持随机节点或边缘采样。为了应对这一新的挑战，我们定义了一套两层的小图，并提出了一种新的随机游走抽样算法来估计所有的3节点的小图的比例。证明了采样步长的一个解析界，以保证我们的无偏估计的收敛性。我们进一步推广我们的算法，以探索当样本大小在不同层上分裂时，不同graphlet的估计精度之间的权衡。对真实世界和合成多层网络的实验评估表明，我们的无偏估计的准确性和高效率。
2020-05-11 cs.SI
Snapshot Samplings of the Bitcoin Transaction Network and Analysis of Cryptocurrency Growth
这项工作的目的是对快速增长的比特币交易网络进行网络分析。使用网络套接字API，我们收集了在六小时窗口内发生的所有交易的数据。记录了收款人和收款人的地址以及比特币的交易量。使用R和Gephi生成图形，其中节点表示地址，边表示比特币的交换。将6小时数据集细分为网络的1小时和2小时采样快照。我们对所有数据子集进行了比较和分析，以确定代表整个网络的最小采样长度。我们的研究结果表明，6小时的采样是准确描述比特币交易网络所需的采样时间的最低限制。匿名性是区块链和比特币网络的理想特征，但它限制了我们的分析，我们从结果中得出的结论大多是推断。未来的工作是需要的，并且正在进行，以收集更全面的数据，以便更好地分析比特币交易网络。
2022-07-01 cs.CR cs.SI
Sampling a Network to Find Nodes of Interest
当前研究的重点是识别社交网络中感兴趣的人。我们对研究代表非法或秘密活动的暗网络特别感兴趣。在这样的网络中，人们不太可能在被询问时透露准确的信息。我们提出了REDLEARN，这是一种用于对暗网络进行采样的算法，其目标是识别尽可能多的感兴趣节点。我们考虑两个现实的谎言场景，描述了黑暗网络中的个人如何试图隐藏他们的联系。我们在几个真实世界的多层网络上测试并展示了我们的结果，并表明REDLEARN比下一个最佳策略提高了340%。
2017-01-09 cs.SI physics.soc-ph
Vertex-Context Sampling for Weighted Network Embedding
近年来，网络嵌入方法因其在各种信息检索任务中的有效性而受到越来越多的关注。目标是学习信息网络中顶点的低维表示，同时捕获和保存网络结构。对于网络嵌入方法的性能至关重要的是如何对网络的边/顶点进行采样以用于学习过程。许多现有方法采用均匀采样方法来降低学习复杂度，但是当网络是非均匀的（即加权网络）时，这种均匀采样会导致信息丢失。本文的目标是提出一个通用的顶点采样框架，与大多数现有的网络嵌入方法无缝地工作，以支持加权，而不是统一的顶点/边采样。为了提高效率，我们提出了一个精致的顺序顶点到上下文图数据结构，这样采样一个训练对学习只需要恒定的时间。为了提高可伸缩性和内存效率，我们设计了图形数据结构，以保持较低的空间消耗，而不需要额外的空间。除了实现现有的网络嵌入方法，所提出的框架可以用来实现扩展，功能高阶邻近建模和加权关系建模。在包括商业大规模数据集在内的三个数据集上进行的实验验证了所提出的加权网络嵌入方法在各种任务上的有效性和效率，包括词相似性搜索，多标签分类和项目推荐。
2017-11-01 cs.IR cs.SI
Diffusion-Aware Sampling and Estimation in Information Diffusion Networks
通过抽样方法收集的部分观测数据经常被用来研究信息扩散网络的特性。然而，这些方法通常没有考虑扩散过程的行为。在本文中，我们提出了一种新的两步（采样/估计）测量框架，利用扩散过程的特点。为此，我们提出了一种基于链接跟踪的采样设计，它使用的感染时间作为本地信息，而没有任何知识的潜在结构的扩散网络。为了纠正采样数据的偏差，我们引入了三种不同类别的估计;基于链接，基于节点，基于级联。据我们所知，这是第一次尝试引入一个完整的测量框架的扩散网络。我们还表明，估计量起着重要的作用，在纠正偏差的抽样扩散网络。我们对大型合成数据集和真实数据集的综合实证分析表明，平均而言，所提出的框架在基于链接的特征方面分别优于常见的BFS和RW采样方法约37%和35%。
2014-05-29 cs.SI physics.soc-ph
Sampling of Temporal Networks: Methods and Biases
时间网络已越来越多地用于模拟各种随时间演变的系统;例如，发生动态过程（如流行病）的人类接触结构。现实生活中的网络的一个基本方面是它们在时间和空间框架内进行采样。此外，人们可能希望对网络进行二次采样，以减小其大小，以实现更好的可视化或执行计算密集型模拟。抽样方法可能会影响网络结构，因此需要谨慎地根据样本概括结果。在本文中，我们研究了四个采样策略应用于各种现实生活中的时间网络。我们量化了每个抽样策略对一些相关统计数据（如链接活动、时间路径和流行病传播）产生的偏差。我们发现，在各种网络和统计数据中，一些偏差是常见的，但有一种策略，即节点的均匀采样，在大多数情况下都显示出更好的性能。我们的研究结果有助于研究人员更好地设计网络数据收集协议，并了解采样时间网络数据的局限性。
2017-07-07 cs.SI physics.data-an physics.soc-ph
Multiple seed structure and disconnected networks in respondent-driven sampling
响应者驱动抽样（RDS）是一种特别适合于对隐藏总体进行抽样的链接追踪抽样方法。RDS结合了一个有效的雪球型抽样方案与推理程序，产生无偏的人口估计的抽样程序和人口结构的一些假设。几个种子个体通常用于启动RDS招募。然而，标准RDS估计理论假设所有样本个体仅来自一个种子。我们提出了一个估计，基于一个随机游动与隐形传态，这占RDS的多种子结构。新的估计也可以用于断开的社交网络的人口。我们数值评估我们的估计通过模拟人工和真实的网络。我们的估计优于以前的估计，特别是当样本中的种子的比例很大。我们建议我们的新估计用于RDS研究，特别是当种子数量很大或人口的社会网络断开。
2016-03-14 cs.SI physics.soc-ph stat.ME
Network Structure and Biased Variance Estimation in Respondent Driven Sampling
本文探讨了被访者驱动抽样（RDS）中抽样方差估计的偏差问题。以前的RDS方法学工作集中在其有问题的假设和偏差和效率低下的人口平均估计。尽管如此，研究人员只给予轻微的关注，估计抽样方差RDS的主题，尽管方差估计的重要性，置信区间和假设检验的建设。在本文中，我们表明，RDS抽样方差的估计依赖于一个关键的假设，即网络是一阶马尔可夫（FOM）的因变量的利益。我们证明，通过直观的例子，数学概括，和计算实验，目前的RDS方差估计将总是低估RDS在不符合FOM假设的经验网络的人口抽样方差。对Facebook和Add Health的215个大学和学校网络的分析表明，我们分析的每个经验网络都违反了FOM假设，这些违反行为导致了抽样方差的RDS估计值存在很大偏差。我们提出并测试了两种替代方差估计，显示出一定的承诺，减少偏见，但也说明了估计抽样方差的限制，只有部分信息的底层人口社会网络。
2015-12-04 cs.SI stat.AP stat.ME
Real Time Enhanced Random Sampling of Online Social Networks
社交图可以很容易地从在线社交网络中提取。然而，这些网络每天都在扩大。用于评估图信息的采样方法不能准确地提取图属性。此外，社交网络限制了对其数据的访问，使得抓取过程更加困难。提出了一种新的随机抽样方法，考虑到有限性和资源。我们在5个不同的测试图上使用4个不同的设置来评估这个建议，这些测试图直接从Twitter上抓取。通过对结果的比较，观察其方法的优劣以及各自的资源分配。最后，我们介绍了它们的最佳应用领域。
2013-01-16 cs.IR cs.SI physics.soc-ph
Graph sub-sampling for divide-and-conquer algorithms in large networks
本研究比较了七种图子采样算法在社区结构和核心-边缘结构分治算法中的表现，发现最佳子采样方法因任务而异，强调了针对特定应用选择子采样例程的重要性。
2025-04-02 cs.SI stat.CO
Sampling Online Social Networks by Random Walk with Indirect Jumps
基于随机游走的采样方法在表征大型网络方面越来越受欢迎和重要。虽然功能强大，但当图是松散连接时，它们会遇到混合速度慢的问题，这会导致估计精度差。带跳跃的随机游走（RWwJ）可以解决慢混合问题，但如果图不支持均匀顶点采样（UNI），则不适用。在这项工作中，我们开发的方法，可以有效地采样一个图形，而不需要UNI，但仍然享有类似的好处RWwJ。我们观察到，许多正在研究的图，称为目标图，并不孤立存在。在许多情况下，目标图与辅助图和二分图相关，它们一起形成了一个更好的连通的{ \em双层网络结构}。这种新的观点为图采样带来了额外的好处：如果直接采样目标图很困难，我们可以在其他两个图的帮助下间接采样。我们提出了一系列新的图采样技术，利用这样的两层网络结构来估计目标图的特征。在合成网络和真实网络上进行的实验证明了这些新技术的有效性和实用性。
2017-08-30 cs.SI physics.soc-ph
Efficient Sampling for Selecting Important Nodes in Random Network
Peking University（北京大学）；George Mason University（乔治梅森大学）
本文提出了一种基于贝叶斯学习的动态采样方法，用于高效确定随机网络中重要节点的平稳概率。
2019-01-11 cs.SI stat.ME
Sampling on networks: estimating eigenvector centrality on incomplete graphs
本文提出了一种新的抽样方法来估计不完备网络的特征向量中心性。我们的目标是估计这一全球中心性措施在处置有限的数据量。在许多现实场景中，数据汇集成本高昂，网络对于数据存储容量来说太大，或者只有部分信息可用，都是这种情况。采样算法的理论基础来自频谱近似理论的结果。在模拟数据和真实数据上进行了研究，并与传统的随机游走和均匀抽样方法进行了比较。我们表明，从这样的方法得到的近似值并不总是可靠的，我们的算法，同时保持计算的可扩展性，提高了不同的错误措施下的性能。
2019-08-01 cs.SI physics.data-an physics.soc-ph
Respondent-Driven Sampling in Online Social Networks
响应者驱动抽样（RDS）是一种常用的方法，用于获取隐藏社区的数据，即，那些缺乏公正的抽样框架或面临社会耻辱，使他们的父母不愿意表明自己的身份。获得关于这些社区的准确统计数据很重要，因为，例如，他们的健康负担往往与更多人口不同，如果没有良好的统计数据，就很难有效地向他们提供预防或治疗干预措施，而且费用很高。在线社交网络（OSN）有潜力使RDS变得更好。我们提出了一个新的RDS招募协议（OSNs），并通过模拟表明，它执行的标准RDS协议的采样精度和马尔可夫链蒙特卡罗随机游走的精度。
2013-08-29 cs.SI stat.AP
Sampling Multiple Nodes in Large Networks: Beyond Random Walks
随机节点采样是分析大规模网络的基本算法，许多现代图挖掘算法都依赖于它。我们考虑在网络中生成大量随机节点的任务，假设有限的查询访问（查询节点会显示其邻居集）。在目前的方法中，基于长随机游走，每个样本的查询数量与网络的混合时间呈线性关系，这对于大型现实世界的网络来说可能是禁止的。我们提出了一种新的方法来采样多个节点，通过显式搜索网络中较难访问的组件，绕过了混合时间的依赖性。我们测试我们的方法在各种现实世界和合成网络上的节点高达数千万，展示了查询复杂性的改善高达$\times 20$相比，最先进的。
2021-10-25 cs.DS cs.SI
Fast Moving Sampling Designs in Temporal Networks
在一项与此相关的研究中，我建立了一个时间网络模拟环境，用于评估网络干预策略。网络干预策略包括抽样设计，以选择网络中的节点。对样本中的节点进行干预，以便以某种期望的方式改变更广泛的网络。网络干预策略可以表示自然代理，例如在网络中传播的病毒，防止或减少病毒传播的程序，以及在形成和消除创建，维护或改变网络的链接中的个体节点（例如人）的代理。本文件探讨理想化版本的抽样设计用于该研究。其目的是更好地理解自然和人类的网络设计在真实情况下，并提供一个简单的推断设计为基础的属性，反过来衡量性能的时变网络。设计使用链接跟踪，有时使用其他概率程序来向样本中添加单元，并有一个持续的损耗过程，通过该过程将单元从样本中删除。
2015-11-30 cs.SI physics.soc-ph stat.ME
Sampling Online Social Networks: Metropolis Hastings Random Walk and Random Walk
近年来，社会网络分析（SNA）受到广泛关注，但SNA的一个瓶颈是网络数据量过大。此外，由于隐私问题，一些网络数据无法访问。因此，我们必须发展抽样方法，从总体图中绘制代表性的样本图。本文介绍了Metropolis-Hastings随机游走（MHRW）和带跳随机游走（RWwJ）抽样策略，包括收集节点的过程、基本的数学理论和相应的估计量。我们比较了我们的方法和现有的研究成果，发现MHRW在估计度分布（比RWwJ少61%的误差）和图的顺序（比RWwJ少0.69%的误差）时表现更好，而RWwJ估计跟随者和跟随率平均值以及相邻关系中的相互关系比例具有更好的结果，比MHRW少13%的误差和6%的误差。我们分析了这些结果的原因，并给出了未来可能的工作方向。
2022-05-12 cs.SI stat.ME
Respondent-driven sampling bias induced by clustering and community structure in social networks
使用标准抽样方法对隐藏人口进行抽样特别具有挑战性，主要是因为缺乏抽样框。响应者驱动的抽样（RDS）是一种替代方法，利用同龄人之间的社会联系，以达到这些难以达到的人群中的个人和重量。这是一个滚雪球式的抽样程序，根据接触人数的差异，对被抽样的可能性调整答卷人的权重。在RDS中，社会联系的结构因此定义了采样过程并影响其覆盖范围，例如通过将采样限制在网络的子区域内。在本文中，我们研究的偏见引起的网络结构，如社会三角形，社区结构，和异质性的联系人的数量，在招聘树和RDS估计。我们模拟不同的网络结构和响应率的情况下，研究潜在的偏见，人们可能会期望在现实环境中。我们发现，估计变量的患病率与个人所属的网络社区的大小有关。此外，我们观察到，如果样本和网络的大小相似，那么在某些情况下，低度节点可能会被欠采样。最后，我们还表明，低响应率导致合理准确的平均估计的患病率，但产生相对较大的偏差。
2015-03-19 cs.SI physics.data-an physics.soc-ph
Sampling-based Estimation of In-degree Distribution with Applications to Directed Complex Networks
本文的重点是从抽样网络节点或边估计有向网络的入度分布。一些抽样方案被认为是，包括随机抽样和不更换，和几种方法的基础上随机游动可能的跳跃。当对节点进行采样时，假设只有该节点的外边缘是可见的，也就是说，没有观察到该节点的入度。建议估计的入度分布是基于两种方法。反演方法利用原始和样本入度分布之间的关系，并且可以估计入度分布的大部分，但不能估计分布的尾部。入度分布的尾部通过渐近方法估计，该方法本身有两个版本：一个假设幂律尾部，另一个假设一般形式的尾部。这两种估计方法在合成网络和真实网络上进行了检验，具有良好的性能结果，特别是渐近方法。
2018-10-02 cs.SI physics.soc-ph stat.ME
Geometric Sampling of Networks
受基于里奇曲率的流形采样方法和结果的启发，我们提出了一种类似的网络采样方法。为此，我们呼吁三种类型的离散曲率，即图福尔曼，充分福尔曼和Haantjes-里奇曲率为基础的边缘和节点为基础的采样。我们提出的实验结果在现实生活中的网络，以及在图像处理中出现的正方形网格。此外，我们考虑拟合里奇流，我们使用它们的检测网络的骨干。我们还开发了嵌入内核相关的福尔曼-里奇曲率，并采用它们的粗结构的网络的检测，以及网络可视化与SVM的应用。研究了原流形的里奇曲率与由里奇曲率驱动的离散流形的Ricci曲率之间的关系。
2021-03-03 cs.CG cs.SI math.DG
Space-Efficient Sampling from Social Activity Streams
为了有效地研究网络域的特性并支持网络系统的开发（例如，在网络上操作的算法、协议），通常需要从大型复杂网络中采样代表性子图。虽然最近的子图采样方法已被证明工作良好，但它们专注于从内存驻留图中采样，并假设采样算法可以访问整个图，以便决定选择哪些节点/边。然而，许多大规模网络数据集太大和/或动态而不能使用主存储器（例如，电子邮件、推特、墙贴）。在这项工作中，我们制定了从大型图形流采样的问题。我们提出了一个流图采样算法，动态地保持一个代表性的样本在水库为基础的设置。我们评估我们提出的方法的有效性经验使用几个真实世界的数据集。在所有数据集中，我们发现我们的方法产生的样本更好地保留了原始图分布。
2012-06-20 cs.DB cs.SI physics.soc-ph
Random Walks on Directed Networks: Inference and Respondent-driven Sampling
受访者驱动抽样（RDS）是一种经常用于估计难以接触人群的人群属性（例如性风险行为）的方法。它结合了一个有效的修改雪球抽样方法的估计程序，产生无偏的人口估计的假设下，抽样过程的行为就像一个随机游动的社会网络的人口。目前的RDS估计方法假设社交网络是无向的，即所有边缘都是相互的。然而，经验社交网络一般也有非互惠的优势。为了说明这一事实，我们开发了一个新的估计方法RDS在有向边的基础上有向网络上的随机游动的存在。我们区分有向和无向的边缘，并考虑的可能性，随机游动返回到其当前位置在两个步骤通过无向边缘。我们得出的估计的选择概率的个人作为一个函数的数量的外向边缘的采样个人。我们在人工和经验网络上评估了所提出的估计器的性能，以表明它们通常比现有方法表现得更好。当网络中有向边的分数很大时，情况尤其如此。
2013-08-16 cs.SI physics.soc-ph stat.ME
Dynamic Network Sampling for Community Detection
我们提出了一个动态的网络采样计划，以优化块恢复随机块模型（SBM）的情况下，它是昂贵的，以观察整个图。从理论上讲，我们提供了我们提出的最佳动态采样方案的理由，通过最佳动态采样信息。实际上，我们评估的性能，块恢复，我们的方法在几个真正的数据集从不同的域。理论和实践结果表明，我们的方法可以确定的顶点，有最大的块结构的影响，使人们可以只检查它们之间是否有边缘，以节省大量的资源，但仍然恢复块结构。
2022-12-16 cs.SI math.ST stat.CO
Epidemic risk from friendship network data: an equivalence with a non-uniform sampling of contact networks
人与人之间的接触在决定传染病如何传播方面起着重要作用。从调查到可穿戴传感器，收集此类接触数据的各种方法并存。然而，在同一背景下通过不同方法获得的数据的比较是稀缺的，特别是在它们在数据驱动的扩散过程模型中的使用方面。在这里，我们使用一个组合的数据集，描述在同一人群中的传感器和友谊关系注册的联系人，以解决这个问题的案例研究。我们调查，如果使用的友谊网络是等效的传感器接触网络上进行的采样过程中的传播过程的模拟结果：这样的等价性确实可能会提示如何补偿从调查中推导出的接触数据的不完整性。我们表明，这确实是这些数据的情况下，一个专门设计的抽样程序，受访者报告他们的邻居的概率取决于他们的接触时间。我们研究了这种特定的抽样程序对几个数据集的影响，讨论了我们的方法的局限性及其在数据驱动的流行病过程模拟中使用各种来源的数据集的可能应用。
2016-04-15 cs.SI physics.soc-ph q-bio.PE
Multigraph Sampling of Online Social Networks
用于在线社交网络（OSN）的用户的概率采样的现有技术基于单个社交关系（通常是友谊）上的随机游走。虽然功能强大，但这些方法依赖于完全连接的社交图。此外，采样过程的混合时间强烈依赖于该图的特性。在本文中，我们观察到OSN用户之间经常存在其他关系，例如同一组的成员身份或参与同一事件。我们建议利用这些关系诱导的图形，通过执行一个随机游走在他们的工会多重图。我们设计了一种计算效率高的方法来执行多重图采样随机选择的图形上行走在每次迭代。我们证明了我们的方法的好处，通过（i）模拟合成图，和（ii）测量Last.fm-一个互联网网站的音乐与社交网络功能。更具体地说，我们表明，多重图采样可以获得一个代表性的样本和更快的收敛，即使个别图失败，即，是不相连的或是高度聚集的
2011-06-17 cs.DS cs.NI cs.SI
