Identifying hubs in directed networks
本文提出基于最小描述长度原则的高效非参数方法,用于在有向网络(包括无权和加权网络)中分类识别枢纽节点,为网络枢纽提供了清晰且有原则的定义。
2024-03-22 cs.SI physics.soc-ph
A Fractal and Scale-free Model of Complex Networks with Hub Attraction Behaviors
人们普遍认为复杂网络的分形性起源于枢纽排斥行为(节点排斥关系或排斥性),即度大的节点倾向于与度小的节点连接。这一假设被一个动态增长模型所证明,该模型的演化过程是Song等人提出的逆重整化过程。现在我们发现,动态增长模型是基于这样一个假设,即所有的跨盒链接都有相同的概率e链接到每个盒子内的最连通节点。因此,我们通过采用灵活的概率e来修改增长模型,使枢纽与枢纽的连接概率高于非枢纽。利用该模型,我们发现一些分形和无标度网络具有枢纽吸引行为(相关性或同配性)。结果是以前的信念的反例。
2013-11-13 cs.SI physics.soc-ph
Improving the accuracy of the k-shell method by removing redundant links-from a perspective of spreading dynamics
最近的研究表明,由于类核群的存在,k-壳指数较大,但扩散效率较低,从而大大影响了k-壳方法在扩散过程中确定节点核度的准确性。通过对真实网络中类核群结构的分析,发现类核群中的节点相互之间连接紧密,而离开群的链路很少。通过定义一个基于每一条边的两端的出链数的扩散重要性度量,我们能够识别出扩散过程中的冗余链,这些冗余链具有相对较低的扩散重要性,但会导致形成局部密集连接的类核群.在滤除冗余链路后,对剩余网络应用k壳方法,得到每个节点的更新核心度,这是一个更准确地反映其在原网络中位置重要性和传播影响力的指标。此外,我们发现基于更新核度的排序算法的性能也得到了很大的提高。我们的研究结果有助于更准确地分解网络的核心结构,并确定在传播过程中有影响力的节点。
2015-05-27 cs.SI physics.soc-ph
Role of connectivity in congestion and decongestion in networks
研究了具有规则节点和枢纽的二维通信网络中的网络流量动力学。如果网络经历繁重的消息业务,则由于节点的有限容量而发生拥塞。我们讨论的策略,以操纵枢纽容量和枢纽连接,以缓解拥塞,并定义了介数中心性(CBC),网络流量的直接测量,这是有用的,用于确定最有可能导致拥塞的枢纽系数。在高CBC的枢纽增加替代性连接可以非常有效地缓解拥堵。
2005-09-29 physics.soc-ph
Impacts of bridging nodes on the epidemic activation mechanisms
Universidade Federal de Viçosa(维索萨联邦大学);Universidade de São Paulo(圣保罗大学);Instituto Federal Fluminense(弗鲁米嫩塞联邦学院);National Institute of Science and Technology for Complex Systems(复杂系统科学与技术国家研究所)
研究桥接节点在流行病激活机制中的作用,通过添加度为2的桥接节点分析其对网络中hub间反馈交互的影响,发现桥接节点能改变流行病的局部激活机制。
2026-04-25 physics.soc-ph
A k-shell decomposition method for weighted networks
本文提出了一种计算加权网络k壳层结构的一般方法。该方法同时考虑了网络的权重和度,在没有权重的情况下,我们恢复了经典的k壳分解所获得的壳结构。在存在权重的情况下,我们证明了该方法能够以更精细的方式划分网络,而不需要对权重值设置任何任意阈值。此外,通过在四个不同加权的真实世界网络中使用可传染性恢复模型模拟传播过程,我们表明加权k壳分解方法通过将具有较高传播潜力的节点放置到更靠近核心的壳中,从而更准确地对节点进行排名。此外,我们证明了我们的新方法在一个真正的经济网络,并表明,从经济的角度来看,使用加权k壳方法计算的核心是更有意义的,与未加权的。
2012-08-27 cs.SI physics.soc-ph
Hub-collision avoidance and leaf-node options algorithm for fractal dimension and renormalization of complex networks
本研究提出HALO算法,通过双向遍历减少采样随机性并优先选择大盒,在九个真实网络上以更少的盒数获得更高性能,准确估计分形维数且不受hub紧密程度影响。
2024-01-04 nlin.AO physics.soc-ph
Accurate ranking of influential spreaders in networks based on dynamically asymmetric link-impact
我们提出了一个有效和准确的衡量排名的传播者,并确定有影响力的网络传播过程中。虽然边决定了节点之间的连接,但它们在传播中的具体作用应该明确考虑。连接节点i和j的边对于从i扩展到j和从j扩展到i的重要性可能不同。关键问题是节点j在通过边被i感染后,是否会接触到i本身无法直接到达的其他节点。有必要调用两个不等的权重wij和wji,根据节点i和j的邻域来表征边缘的重要性。源自节点的总不对称方向权重导致一种新的度量si,其量化了节点在扩散过程中的影响。s-shell分解方案进一步为节点分配s-shell指数或加权核心。基于si和加权核心度的排名的有效性和准确性通过将它们应用于九个真实世界的网络来证明。结果表明,它们通常优于基于节点度和k壳指数的排名,同时保持较低的计算复杂度。我们的工作代表了理解和控制疾病、谣言、信息、趋势和网络创新传播的关键一步。
2017-05-10 cs.SI physics.soc-ph
Scale-freeness under node removal: a finite-size scaling perspective
Hanyang University(汉阳大学);Korea Institute for Advanced Study(韩国高等科学技术院);Pusan National University(釜山国立大学)
研究通过有限尺寸缩放分析探讨节点移除对无标度结构的影响,发现KL散度与FSS测试在不同移除策略下存在差异,揭示了网络结构退化机制。
2026-04-30 physics.soc-ph
Observability transitions in correlated networks
杨,王,和Motter [物理Rev. Lett. 109,258701(2012)]分析了网络可观测性转换的模型,其中放置在节点上的传感器使节点和相邻节点可观测。该模型的一个主要关注点是由可观测节点组成的连通分量的大小。我们分析了这个模型在随机异构网络度相关。通过数值模拟和基于生成函数的分析论证,我们发现负度相关性使网络更具可观察性。当传感器以随机顺序一个接一个地放置在节点上时,以及当集线器优先接收传感器时,该结果都成立。最后,我们数值优化网络与一个固定的度序列相对于最大的可观测组件的大小。优化的网络具有由枢纽排斥结构引起的负度相关性;与网络的富俱乐部现象相反,最大的枢纽很少相互连接。
2013-10-16 cond-mat.stat-mech cs.SI physics.soc-ph
Interplay between $k$-core and community structure in complex networks
在一个最大的一组节点中的网络的组织,至少有$k$邻居的集合内,被称为$k$核心分解,已被用于研究各种现象。研究表明,最内层$k$壳层中的节点在传染过程、共识的出现和系统的弹性中起着至关重要的作用。众所周知,许多经验网络的$k$ -核心分解不能单独用每个节点的度来解释,或者等价地,不能用保持每个节点的度的随机图模型来解释(即,配置模型)。在这里,我们研究的$k$核心分解的一些经验网络,以及一些随机的同行,并检查在何种程度上的$k$壳结构的网络可以解释的社区结构。我们发现,在随机化过程中保持社区结构是至关重要的生成网络的$k$核心分解是接近的经验。我们还强调存在,在一些网络中,集中的节点在最里面的$k$ -壳到少数社区。
2020-09-07 cs.SI physics.soc-ph
Friend of a friend models of network growth
在网络科学中,最著名的模型之一是偏好连接。在这个模型中,连接到节点的概率取决于种群中所有节点的度,因此取决于全局信息。然而,在许多生物、物理和社会系统中,个体之间的相互作用只依赖于局部信息。在这里,我们研究了一个真正的局部网络形成模型,基于朋友的朋友的想法,具有以下规则:个人随机选择一个节点并以概率p链接到它,然后他们选择该节点的邻居并以概率q链接。我们的模型产生幂律,经验指数范围从1.5向上,聚类系数范围从0到0.5(与许多真实网络一致)。对于小p和q=1,该模型产生超级枢纽网络,我们证明了对于p=0和q=1,随着网络的增长,非枢纽的比例趋于1。我们发现,幂律度分布,小世界集群和超级枢纽网络都是这个更一般,但概念上简单的模型的结果。
2022-09-20 physics.soc-ph
Ranking spreaders by decomposing complex networks
对网络中节点的传播能力进行排序是一个基本问题,它涉及到信息和疾病控制等实际应用。在以前的文献中,一个网络分解过程称为k壳方法已被证明可以有效地识别最有影响力的传播者。本文发现,k壳方法在对网络中所有节点进行排序时存在一定的局限性。我们还发现,这些限制是由于在分解网络时只考虑剩余节点之间的链接(剩余度),而完全忽略了连接到删除节点的所有链接(耗尽度)。因此,我们提出了一个混合度分解(MDD)的过程中,剩余度和耗尽度都考虑。通过模拟真实网络上的流行病传播过程,我们证明了MDD方法在对传播者进行排序时的性能优于k-shell和度方法。最后讨论了网络结构对MDD方法性能的影响。
2012-04-19 cs.SI physics.comp-ph physics.soc-ph
Identifying Influential Nodes in Bipartite Networks Using the Clustering Coefficient
复杂网络中影响节点的识别是一个非常具有挑战性的问题。如果网络具有社区结构,则中心性度量可能无法识别完整的有影响力的节点集,因为网络的集线器和其他中心节点可能仅位于一个社区内。在这里,我们定义了一个二分聚类系数,通过考虑不同结构的集群,可以找到跨社区的重要节点。
2015-03-20 cs.SI physics.soc-ph
Identifying nodal properties that are crucial for the dynamical robustness of multi-stable networks
我们研究了连接在不同网络拓扑结构中的双稳态元素的集体动力学,从环和小世界网络到无标度网络和恒星。我们估计这样的网络的动态鲁棒性,通过引入多节点流域稳定性的概念的一个变体,这使我们能够衡量的全球稳定性的动态网络响应于局部扰动影响某一类节点的系统。我们发现,扰动节点具有高的接近度和中间中心显着降低了系统的能力,以返回到所需的状态。这种效应对于星形网络非常明显,其中一个中心节点的接近度/中间中心度与所有外围节点显著不同。在这样的网络中,单个枢纽节点的扰动有能力破坏集体状态。另一方面,即使大多数外围节点受到强烈扰动,枢纽节点也能设法将系统恢复到原始状态,这表明受扰动节点的中心性对网络动态的巨大影响。此外,我们探索探索双稳态动力学元素的随机无标度网络。我们利用m=1和m=2的随机无标度网络中节点的介数中心性、贴近度中心性和度分布的差异,来探讨在这些异构网络中,哪种中心性属性对集体动力学的鲁棒性影响最大.值得注意的是,我们发现明确的证据表明,扰动节点的介数中心性是更重要的动态鲁棒性,比接近中心性或程度的节点。这一结果对于决定保护哪些节点以维护该网络的集体状态以对抗有针对性的本地化攻击非常重要。
2018-01-08 nlin.CD physics.soc-ph
Extracting Backbones in Weighted Modular Complex Networks
网络科学为复杂系统的建模和分析提供了有效的工具。然而,现实世界的网络规模不断增加,成为理解其结构和拓扑特征的主要障碍。因此,将原始网络映射到一个较小的网络,同时保留其信息是一个重要的问题。提取所谓的网络骨干是一个非常具有挑战性的问题,通常通过粗粒度或基于过滤器的方法来处理。粗粒度方法通过对相似节点进行分组来减小网络大小,而基于过滤器的方法通过基于统计特性丢弃节点或边缘来修剪网络。在本文中,我们提出并研究了两种基于过滤器的方法,利用重叠的社区结构,以提取加权网络中的骨干。事实上,高度连接的节点(集线器)和重叠节点是网络的核心。在第一种方法中,称为“重叠节点自我骨干”,骨干是由重叠节点和它们的邻居的集合简单地形成。在第二种方法中,称为“重叠节点和集线器骨干网”,骨干网由重叠节点和集线器的集合形成。对于这两种方法,具有最低权重的链路从网络中删除,只要保留具有单个连接组件的骨干。实验已经在真实世界的加权网络上进行,这些网络来自不同的领域(社会,共同出现,协作,生物和技术)和不同的规模。结果表明,两种骨架提取方法非常相似。此外,与最有影响力的替代过滤方法的比较表明,所提出的主干提取方法具有更大的能力,可以发现网络中最相关的部分。
2020-08-07 cs.SI physics.soc-ph
MEDUSA - New Model of Internet Topology Using k-shell Decomposition
随机图的k壳分解提供了一个不同的和更有洞察力的分离的不同节点在这样的图中的角色比通常的分析在节点度方面。我们开发这种方法,以分析互联网的结构在一个粗略的水平,即“自治系统”或AS,子网络,其中互联网组装。我们采用了来自DIMES(见http://www.netdimes.org)的新数据,DIMES是一个分布式的基于代理的映射工作,目前已经吸引了超过3800名志愿者,在超过85个国家运行超过7300个DIMES客户端。我们将这些数据与俄勒冈大学RouteViews项目提供的AS图形信息相结合,并获得了比以往任何努力都详细得多的互联网地图。这些数据表明了AS图结构的新图景,它区分了一个相对较大的、冗余连接的近100个AS的核心和两个从该核心流入和流出数据的组件。一个组件通过对等链接分形互连;第二个组件仅与核心直接连接。所得到的模型与Tauro等人提出的“水母”结构有着表面上的相似之处和重要的区别,所以我们叫它“美杜莎”“我们计划将这张图作为衡量和推断互联网物理结构变化的框架。我们的k-壳分析也可能是相关的,用于估计从其他自然发生的过程中提取的“无标度”图中的节点的功能。
2006-01-11 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Simultaneous Degradation of Percolation and Cascade Robustness Under Targeted Hub Removal
Independent Researcher, Fort Lauderdale, FL, USA
研究显示在BA网络中移除枢纽节点会同时降低连通性和级联暴露的临界点,且通过动态效应增强级联规模。
2026-03-12 physics.soc-ph
From Centrality to Temporary Fame: Dynamic Centrality in Complex Networks
我们开发了一种新的方法来研究在复杂网络中的链接利用率的动态使用记录在一个大型的社会网络。与节点具有特定角色的观点相反,我们发现角色每天都在发生巨大变化。“本地枢纽”在时间上具有幂律度分布,没有特征度值。我们的研究结果意味着对复杂网络中节点中心性概念的重新解释,并且在其他结论中表明,针对枢纽的干预措施的效果比以前认为的要小得多。
2006-11-30 physics.soc-ph
Global decomposition of networks into multiple cores formed by local hubs
本文提出基于局部枢纽中心性与边修剪的网络分解方法,通过迭代移除局部弱连接节点揭示洋葱状层级和多核心—边缘结构,并结合社群检测实现超节点网络分解。
2025-05-12 cond-mat.stat-mech cs.SI physics.soc-ph
Locating influential nodes via dynamics-sensitive centrality
复杂网络中影响节点的定位是一个很有前途的研究课题,具有重要的理论和实际意义。在本文中,我们提出了一个动态敏感(DS)的中心性,集成了拓扑特征和动力学性质。DS中心性可以直接应用于定位有影响力的传播者。在四个真实网络上对SIR和SI传播模型的实证结果表明,DS中心性比度、$k$ -壳指数和特征向量中心性更准确.
2015-04-25 cs.SI physics.data-an physics.soc-ph
Degree distributions under general node removal: Power-law or Poisson?
对网络系统的扰动可能导致部分结构性损失,例如电网系统中的停电。研究网络特性中的干扰是理解真实网络的本质。节点的移除是一种典型的干扰,但以前的研究似乎对其最基本的网络统计数据(度分布)的影响进行了对比。关键问题是关于度分布的函数形式,在节点删除或采样过程中可以改变度分布,这对剩余子网络的静态和动态特性具有决定性意义。在这项工作中,我们澄清的情况下,利用相对熵相对于参考分布的泊松和幂律形式。引入一般顺序节点删除过程中不断不同级别的枢纽保护,包括一系列的情况下,包括随机删除和首选或保护删除的枢纽,我们分类的改变度分布从各种幂律形式开始,通过比较两个相对熵值。从广泛的调查,在各种场景的基础上直接节点删除模拟和通过求解率方程的度分布,我们发现在参数空间中的两个不同的制度,一个度分布更接近幂律参考分布和其他更接近泊松分布。
2022-05-08 cond-mat.stat-mech physics.soc-ph
Reliability of rank order in sampled networks
在复杂的无标度网络中,根据节点的重要性对各个节点进行排序有着非常有用的应用,例如识别控制流行病的枢纽,或控制交通拥堵的瓶颈。然而,在大多数实际情况下,只有有限的子结构的整个网络是可用的,因此,在抽样网络的顺序关系的可靠性需要调查。使用一组从底层原始网络中随机抽样的节点,我们通过三个中心性度量对单个节点进行排名:度,介数和接近度。来自采样网络的较高排名的节点比较低排名的节点提供了它们在原始网络中的排名的相对更好的表征。基于接近度的顺序关系比任何其他数量都更可靠,这是由于接近度度量的全局性质。此外,我们表明,如果访问集线器是有限的,在采样过程中,增加采样分数实际上可以降低采样精度。最后,提出了一种评估抽样精度的估计方法。
2007-02-17 cond-mat.stat-mech physics.data-an physics.soc-ph
Computational Models for Commercial Advertisements in Social Networks
识别网络中值得注意的传播者对于理解传播过程和控制网络中传播的范围至关重要。拥有更多内在力量来扩大传播范围的节点非常重要,因为需要各种应用程序,例如病毒式营销,控制谣言传播或更好地了解疾病的传播。作为病毒式营销的一种应用,在固定预算的情况下实现最大化是广告业务的基本要求。分发固定数量的促销物品以最大化病毒覆盖范围可以利用影响者检测方法。为了检测这样的“影响者”节点,存在诸如度中心性(通常用作度内中心性)的局部度量或诸如k壳分解或特征向量中心性的全局度量。所有的方法都可以对图进行排序,但它们都有局限性,并且仍然没有事实上的方法用于该领域的影响者检测。在本文中,我们提出了一个扩展的k-shell算法,更好地利用k-shell分解识别病毒传播节点使用网络的拓扑特征。我们使用易感-感染-传播模型对真实网络中的传播过程进行了模拟,模拟结果表明,在相同的初始传播者数量下,我们的方法可以在同一网络中达到高达36%的人群。
2019-04-30 cs.SI physics.soc-ph
Hub Identification of the Metro Manila Road Network Using PageRank
我们试图确定不同的节点枢纽的道路网络使用PageRank为可能的随机恐怖袭击做准备。道路网络对这种攻击的鲁棒性是至关重要的,因为它可能会通过简单地关闭这些枢纽来削弱其连通性。我们显示了重要的枢纽在道路网络的基础上的网络结构,并提出了一个模型的鲁棒性分析。通过识别道路网络中的重要枢纽,可以更早地进行可能的准备方案,以减轻随机恐怖袭击,包括防御加固和运输安全。还介绍了马尼拉大都会道路网络的案例研究。案例研究表明,马尼拉大都会道路网中最重要的枢纽位于机场、码头、主要高速公路和高速公路附近
2016-09-06 cs.CY cs.SI physics.soc-ph
Impact of degree heterogeneity on the behavior of trapping in Koch networks
研究表明,在不相关随机无标度网络中,随机游动到给定中心节点(度最大的节点)的平均首达时间(MFPT)与幂律度分布$P(k)\sim k^{-γ}$的指数$γ$密切相关,该指数描述了无标度网络结构的异质性程度.然而,大量的实证研究表明,真实的网络系统也显示出普遍存在的程度相关性。在本文中,我们解决了Koch网络的陷阱问题,这是一个特殊的随机游动与一个陷阱固定在一个枢纽节点。Koch网络是幂律网络,其特征指数$γ$在2 ~ 3之间,它们既可以是对称的,也可以是对称的。我们精确地计算MFPT,即从所有其他节点到陷阱的首次通过时间的平均值。得到的显式解表明,在大网络中,MFPT与节点数$N$成线性关系,它与$γ$无关,与无标度网络中观察到的MFPT标度行为形成鲜明对比,在无标度网络中,$γ$定性地影响捕获问题的MFPT.
2010-09-03 cond-mat.stat-mech cs.SI physics.soc-ph
Extreme events and event size fluctuations in biased random walks on networks
离散格点模型上的随机行走对于理解各种类型的输运过程是很重要的。极端事件是指步行者流量超过一定阈值的连续性,近年来在复杂网络中得到了广泛的研究。这是由于网络上发生的罕见事件,如交通堵塞,洪水和停电。在这项工作中,我们研究了极端事件的广义随机游走模型,其中的步行是优先偏置的网络拓扑结构。步行者优先选择跳向枢纽节点或小度节点。在这种情况下,我们表明,非常大的波动事件的大小是可能的小度节点时,步行者偏向于枢纽。特别是,我们得到了网络上的事件大小的分布。此外,网络中任何节点发生极端事件的概率取决于其“广义强度”,这是一种衡量节点吸引步行者能力的指标。“广义强度”是节点度及其最近邻节点度的函数。我们得到的分析和模拟结果的极端事件的发生概率的网络节点使用广义随机游走模型。结果表明,具有较大值的节点的“广义强度”,平均而言,显示较低的概率发生极端事件相比,具有较低值的节点的“广义强度”。
2012-05-30 cond-mat.stat-mech cs.SI physics.soc-ph
Nodes having a major influence to break cooperation define a novel centrality measure: game centrality
合作在生物体的自组织和进化中发挥着重要作用。网络拓扑结构和合作者的初始位置都对社会困境博弈的合作有重要影响。我们开发了一种新的模拟程序包,称为“网络游戏”,它能够模拟任何类型的社会困境游戏的任何模型,或现实世界的网络与任何分配的初始合作或叛逃策略的网络节点。最初背叛单个节点以破坏整体合作的能力被称为“游戏中心性”。这一措施的效率在众所周知的社交网络上得到了验证,并被扩展到“蛋白质游戏”,即模拟蛋白质或其氨基酸之间的合作。酵母蛋白质相互作用网络的枢纽,特别是党枢纽有很大的影响,以转换其他节点的合作,以背叛。对甲硫氨酰-tRNA合成酶蛋白质结构网络的模拟表明,属于蛋白质内信号通路的节点对破坏合作的影响增加。在社会两难博弈中,单个初始背叛节点将其他节点的合作转化为背叛的效率可能是预测节点在复杂系统整合和调控中重要性的重要度量。游戏中心性可能有助于设计对细胞网络(以药物的形式)、生态系统和社交网络更有效的干预措施。网络游戏算法可以从这里下载:www.NetworGame.linkgroup.hu
2013-06-30 cs.GT cs.SI nlin.AO