Coevolving nonlinear voter model with triadic closure
研究了一个具有三元闭包局部重连的非线性协同演化选举模型。我们发现三个阶段具有不同的拓扑性质和配置的稳定状态:吸收共识阶段与一个单一的组件,吸收碎片阶段与两个组件在相反的共识状态,和一个动态活跃的破碎阶段与许多孤立的节点。这个破碎的阶段,这是不存在的一个共同进化的模型与全球重新布线,有一个生命周期,规模指数与系统的大小。我们的特点是这些阶段之间的过渡方面的最大集群的大小,集群的数量,和磁化。我们的分析提供了一个可能的解决方案,以重现自适应网络中的孤立部分和社会系统中广泛观察到的高聚类。
2018-07-03 cs.SI physics.soc-ph
Triadic closure in two-mode networks: Redefining the global and local clustering coefficients
由于绝大多数网络测量都是针对单模式网络定义的,因此通常必须将双模式网络投影到单模式网络上才能进行分析。在此转换过程中会出现许多问题,特别是在分析节点联系人之间的联系时。例如,投影随机双模网络的全局和局部聚类系数所获得的值偏离相应的经典单模网络的期望值。此外,无论是局部聚类系数和约束(结构洞)是负相关的节点的双模度。为了克服这些问题,本文提出了重新定义的聚类系数的双模网络。
2011-05-06 physics.soc-ph
Cumulative effects of triadic closure and homophily in social networks
社交网络中的大部分结构可以用两种看似独立的网络演化机制来解释:三元闭合和同质性。虽然通常将这些机制单独考虑或在静态模型的框架中考虑,但实证研究表明,它们的动态相互作用正是造成离线和在线社交网络中出现的同性恋关联模式的过程。通过将这两种机制结合在一个最小的可解动态模型中,我们从理论上证实了长期以来和经验上建立的假设,即同质性可以被三元封闭机制放大。这种研究方法使我们能够估计在各种友谊和通信网络中观察到的同质性中有多少是由于对给定量的三元闭合的放大。我们发现,在某些情况下,导致同质性放大的累积性的类随机过程也会导致社交网络的核心-外围结构,以及对先前同质性约束的记忆的出现(相当于物理学中的滞后现象)。我们的研究结果提供的理论理解强调了早期干预在社会层面管理同性恋决策的最不利影响的重要性,如不平等,隔离和在线回声室。
2018-09-17 cs.SI physics.soc-ph
Triadic closure dynamics drives scaling-laws in social multiplex networks
社交网络的几个结构特征,如度分布,附件核的标度,聚类系数作为节点度的函数表现出标度律。到目前为止,人们还没有详细了解这些标度律是否以及如何相互关联,更不用说是否可以通过一个共同的动力学原理来理解它们了。我们提出了一个简单的模型,固定网络的形成,并表明,上述三个标度关系遵循三元封闭的自然后果。该模型的有效性进行了测试,从一个良好的研究大型多人在线游戏的多路数据。我们发现,该模型可以同时解释友谊网络、通信网络和交易网络的多重数据中观察到的三个标度指数。这些结果表明,三元封闭可以被确定为社会多元化网络形成的基本动力学原理之一。
2013-06-27 cs.SI physics.data-an physics.soc-ph
Disentangling homophily, community structure and triadic closure in networks
网络同质性,即相似节点连接的趋势,以及传递性,即两个节点在共享一个共同邻居的情况下连接的趋势,在网络分析中是合并的属性,因为一种机制可以驱动另一种机制。在这里,我们提出了一个生成模型和相应的推理过程,能够区分这两种机制。我们的方法是基于一个变化的随机块模型(SBM)与三元封闭边缘,其推理可以确定最合理的机制,负责网络中的每个边缘的存在,除了底层的社区结构本身。我们展示了该方法如何可以逃避检测的虚假社区所造成的三角形的形成在网络中,以及它如何可以提高边缘预测的性能相比,纯版本的SBM没有三元封闭。
2022-01-06 cs.SI physics.data-an physics.soc-ph
Network Inequality through Preferential Attachment, Triadic Closure, and Homophily
Complexity Science Hub(复杂性科学中心);Department of Network and Data Science, Central European University(中欧大学网络与数据科学系);Graz University of Technology(格拉茨工业大学);Grupo de Sistemas Complejos, ETS de Arquitectura de Madrid, Universidad Politécnica de Madrid(马德里理工大学马德里建筑高等技术学院复杂系统小组);Faculty of Engineering, Free University of Bozen-Bolzano(博尔扎诺-博岑自由大学工程学院);Center for Computational and Stochastic Mathematics, Instituto Superior Tecnico(里斯本高等理工学院计算与随机数学中心)
研究探讨了偏好连接、同质性和三角闭包三者交互如何导致社会网络中的不平等,通过PATCH模型验证了同质性和偏好连接加剧分离与度不平等,而三角闭包有抵消作用。
2025-09-27 cs.SI physics.data-an physics.soc-ph
Triadic analysis of affiliation networks
三元封闭已经被概念化,并以各种方式测量,最著名的是聚类系数。现有的扩展关系网络,但是,是敏感的重复组出席,这表现在二分模型作为biclique扩散。然而这种敏感性并不反映在社交网络的三元封闭的共同解释,本文提出了一种措施,三元封闭的隶属网络设计来控制it.To避免任意性,本文介绍了一个三元框架的隶属网络,在其中的措施范围可以定义,然后提出了一组基本公理,足以缩小这个范围的一个措施。工具评估比较了建议和现有的两种措施的可靠性,有效性,冗余性和实用性。所有这三种措施,然后参加调查的三个经验社交网络,这说明了他们的差异。
2016-06-23 cs.SI math.CO physics.soc-ph
Homophily and Triadic Closure in Evolving Social Networks
我们提出了一个新的网络模型会计多维的可追溯性。每个节点的特点是由一些功能和两个节点之间的链接的概率取决于共同的功能。我们并不先验地确定可能特征的总数。节点和特征的二分网络根据随机动力学演化,该随机动力学依赖于三个参数,这三个参数分别调节特征向节点的传输中的优先附着、每个节点的新特征的数量以及观察到的特征的总数的幂律行为。我们的模型还考虑了三元封闭机制。我们提供的理论结果和模型的参数的统计估计。我们验证我们的方法通过模拟和实证分析的网络科学合作。
2016-01-16 cs.SI physics.soc-ph
Triadic closure as a basic generating mechanism of communities in complex networks
大多数复杂的社会、技术和生物网络都具有重要的社区结构。因此,复杂网络的社区结构必须被认为是一个普遍的属性,以及这些网络的小世界和无标度属性。尽管在描述真实网络的社区结构方面有很大的兴趣,但没有足够的注意力用于检测能够自发生成社区网络的通用机制。三元闭合是建立新联系的自然机制,特别是在社交网络中。在这里,我们表明,基于简单的三元封闭的网络增长模型自然会导致社区结构的出现,以及节点度的厚尾分布,高聚类系数。社区从最初的随机异质性的链接集中出现,随后是一个周期的增长和分裂。社区是更明显的,稀疏的图,并在连接过程中的链接密度和随机性的高值消失。通过引入一个基于适应度的链接吸引的节点,我们发现了一个新的相变,社区消失的适应度分布的高度异质性,但一个新的介观组织的节点出现,与几个超级枢纽之间共享的节点组,吸引了系统的大部分链接。
2014-12-01 cs.SI physics.soc-ph
Triadic Closure-Heterogeneity-Harmony GCN for Link Prediction
针对现有GNN方法在链路预测中忽略节点属性和内在结构关系的问题,提出结合三元闭包和度异质性拓扑指标的TriHetGCN框架,在九个真实数据集上达到SOTA并展现强泛化能力。
2025-04-29 cs.SI physics.data-an physics.soc-ph
Modeling Public Opinion Dynamics: The Spiral of silence in clustered homophilic networks
Universitat de Barcelona(巴塞罗那大学);Open University of Catalonia(加泰罗尼亚开放大学)
本研究通过结合网络形成模型与均值场模型,分析同质性和三元闭包对沉默螺旋的影响,发现适度闭包促进少数派表达,过度闭包则加剧多数派主导。
2025-10-15 physics.soc-ph
Directed closure measures for networks with reciprocity
对图中三角形的研究是网络分析中的标准工具,导致了诸如\emph{transitivity}的测量,即,参与三角形的长度为$2$的路径的分数。现实世界的网络通常是定向的,并且很难有意义地“测量”这种网络结构。我们提出了一个收集的\emph{directed closure values}测量三角形的有向图的方式,是类似于无向图的传递性。我们对这些值的研究揭示了许多关于有向三元闭包的信息。例如,我们立即看到互反边有很高的参与三角形的倾向。我们还观察到不同网络和社交网络的三元闭合模式之间惊人的相似性。我们进行数学和实证分析表明,有向配置模型,保持互惠性不能捕捉真实网络的三元封闭模式。
2014-04-24 cs.DS cs.SI physics.soc-ph
Link prediction in multiplex networks via triadic closure
ISI Foundation(ISI基金会);Institute for Biocomputation and Physics of Complex Systems (BIFI), University of Zaragoza(萨拉戈萨大学生物计算与复杂系统物理研究所(BIFI));University of Zaragoza(萨拉戈萨大学)
链接预测算法可以帮助理解复杂系统的结构和动力学,从不完整的数据集重建网络,并预测未来的相互作用,在不断发展的网络。基于节点之间相似性的可用算法受到这些网络中存在的有限数量的链接的限制。在这项工作中,我们减少了后者的内在限制,并表明可以利用不同类型的关系数据来提高新链接的预测。为此,我们提出了一种新的链接预测算法,通过推广的Adamic-Adar方法组成的多路复用网络的任意数量的层,编码不同形式的相互作用。我们表明,新的度量优于经典的单层Adamic-Adar评分和其他国家的最先进的方法,在几个社会,生物和技术系统。作为副产品,最大化复用Adamic-Adar度量的系数指示复用网络中结构化的信息如何针对链接预测任务进行优化,从而揭示哪些层是冗余的。有趣的是,这种效应对于不同层的预测可能是不对称的。我们的工作铺平了道路,为更深入地了解不同的关系数据在预测新的相互作用的作用,并提供了一个新的算法,链接预测在多路复用网络,可应用于大量的系统。
2020-11-16 cs.LG cs.SI physics.soc-ph
Power Network Uniqueness and Synchronization Stability from a Higher-order Structure Perspective
三元子图分析基于高阶连通模式揭示了电力网络的结构特征。与无标度网络、小世界网络和随机网络相比,幂网络的五个单向三元子图具有独特的三元显著性剖面(TSP)。值得注意的是,三元闭包在电力网络中具有最高的意义。因此,唯一的TSP可以作为一个结构标识符,以区分电力网络从其他复杂网络。电力网络形成网络超家族。此外,基于随机增长模型的综合电力网络成长为属于超家族的网络,具有更少的传输线数量。三元闭包的重要性与通过网络冗余度量的建设成本密切相关。在同步稳定性和建设成本之间的权衡导致了电力网络超族。具有唯一TSP特征的电力网络本质上是这种权衡的结果。幂网络超族的唯一性揭示了幂网络的一个重要事实。
2022-03-25 cs.SY eess.SY nlin.AO
Algorithms for Generating Large-scale Clustered Random Graphs
真实的社交网络经常与随机图进行比较,以评估其类型结构是否可能是随机过程的结果。然而,大规模的Erdens-Rényi随机图往往缺乏二进层以外的局部结构,因此需要生成聚类随机图来比较三进层的局部结构,而不是简单随机图.本文提出了一种广义的Gleeson算法,用于生成大规模的随机聚类图,该随机聚类图的节点数|V|、边数|E|和全局聚类系数CΔ与实际网络一样。与现有算法相比,该算法在随机性评价和计算时间上也具有优势。
2013-01-28 cs.SI physics.soc-ph
Exotic phase transitions of k-cores in clustered networks
网络的极大连通子图--巨型$k$ -核,在相变的研究和网络理论的应用中具有重要意义。不同于Erdens-Rényi图和其他随机网络的$k$ -核心出现不连续的$k\ge 3$,我们表明,传递链接(或三元封闭)导致3-核心出现通过单或双相变的不连续和连续的性质。我们还开发了一个$k$的核心计算,包括集群,并提供深入了解如何出现高层次的连接。
2016-10-14 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemic threshold in pairwise models for clustered networks: closures and fast correlations
流行病阈值可能是网络流行病建模中研究最多的数量。对于一大类网络和动力学,流行病阈值得到了很好的研究和理解。然而,对于集群网络来说,理论结果大多限于理想化网络。在本文中,我们专注于一类被称为成对模型的模型,据我们所知,没有分析结果的流行阈值存在。我们表明,通过利用快速变量的存在,并使用一些标准的技术,从扰动理论,我们能够得到的流行阈值分析。我们通过将其与整个系统的数值解进行比较来验证这个新的阈值。协议被发现是优秀的聚类系数,传输率和网络的平均度的值在很宽的范围内。有趣的是,我们发现$R_0$的分析形式取决于闭包的选择,这突出了在处理现实世界的流行病时模型选择的重要性。尽管如此,我们期望我们的方法将扩展到其他系统中的快速变量。
2018-06-15 math.DS physics.soc-ph q-bio.PE
Closure coefficients in scale-free complex networks
复杂网络中三角形的形成是一个重要的网络性质,受到了极大的关注。三角形的形成经常通过聚类系数来研究。封闭系数或传递性是衡量三元封闭性的另一种方法。此统计量从三角形的头节点(而不是从中心节点,如经常研究的聚类系数)测量聚类。我们进行了第一次探索性分析的行为的局部封闭系数在两个随机图模型,创建简单的网络与幂律度:隐藏变量模型和双曲随机图。我们表明,封闭系数的行为显着不同,在这些简单的随机图模型比以前研究的多重图模型。我们还将高度顶点的封闭系数与聚类系数和平均最近邻度联系起来。
2020-06-10 cs.SI math.PR physics.soc-ph
The Directed Closure Process in Hybrid Social-Information Networks, with an Analysis of Link Formation on Twitter
人们经常认为,信息网络中的定向链接通常是通过“捷径”源和目的地之间的两步路径形成的,这是一种隐含的“链接复制”,类似于三重闭合过程。在社交网络中。尽管这一假设在诸如偏好依恋等理论模型中发挥了重要作用,但它却很少得到直接的实证研究。在这里,我们开发了一种形式化和方法来研究这种类型的定向关闭过程,我们提供的证据,其重要作用,在Twitter上的链接的形成。然后,我们分析了一系列的模型,旨在捕捉的结构现象,我们观察到的Twitter数据中的定向关闭。
2010-03-12 cs.CY physics.soc-ph stat.AP
Choosing to Grow a Graph: Modeling Network Formation as Discrete Choice
我们提供了一个框架,通过离散选择和随机效用理论,其中每个新的边缘被视为一个节点连接到另一个节点的“选择”,基于(通用)功能的其他节点可用于连接条件多项式logit模型的社会网络的形成建模。这种网络形成的观点统一了现有的模型,如优先连接,三元闭合,节点适应度,这些都是特殊情况下,从而提供了一个灵活的方法来概念化,估计和比较模型。离散选择理论的视角也为分析社会网络的形成提供了几种新的工具;例如,节点特征的重要性可以以统计上严格的方式进行评估,现有模型的混合可以通过适应已知的期望最大化算法来估计。我们展示了我们的框架的灵活性,通过分析一些合成和现实世界的数据集的例子。例如,我们提供了严格的方法来估计偏好连接模型,并展示了如何分离偏好连接和三元封闭的影响。度的重要性的非参数估计显示出高度线性的趋势,我们揭示了仔细观察度为零的节点的重要性。通过研究一个大型引文图的形成,我们发现在考虑年龄时,学位的作用有所增加。
2020-05-21 cs.SI physics.soc-ph
Consistent Approximation of Epidemic Dynamics on Degree-heterogeneous Clustered Networks
现实的人类接触网络能够传播传染病,例如在社会接触调查中的研究,表现出显着的程度异质性和聚类,这两者都极大地影响了流行病的动态。为了理解这两个网络属性对流行病动力学的联合影响,Lindquist等人的有效度模型被重新表述为一个新的矩闭包,以适用于高度聚集的网络。对SIR(Susceptible-Infected-Removed)流行动力学进行了模拟研究,比较了不同的ODE模型和随机模拟,包括对Pellis等人的修正误差行为的检验,提供证据表明,这种新的模型可以比现有的方法更准确地近似复杂网络上的流行病动力学。
2018-10-14 physics.soc-ph q-bio.PE
Dynamical origins of the community structure of multi-layer societies
社会结构是个人管理各种不同社会关系的结果。社会可以表现为高度结构化的动态多元网络。在这里,我们研究了一个大规模的社会多元化网络的人类社会,互动在一个大型多人在线游戏的虚拟世界中的特定社区结构的动态起源。在那里,我们发现不同社会行为的社区结构存在实质性差异,这些差异由多元化中的各种网络层表示。社区规模分布要么类似于幂律,要么似乎集中在50个个体的大小。为了理解这些观察结果,我们提出了一个选民模型,是围绕三元闭包的原则。它明确地模拟了跨多路复用的不同层的节点和链路动态的共同进化。根据链接和节点的波动率,该模型表现出异常破碎的碎片过渡,其中一个层的碎片从一个大的组件成许多小的组件。观察到的社区规模分布与模型中预测的破碎化是很好的协议。我们表明,经验成对的网络层的相似性,在链接重叠和程度的相关性,实际上符合模型。这表明社会分裂的几个详细特征可以追溯到三重封闭过程。
2016-02-29 cond-mat.stat-mech cs.SI physics.soc-ph
A principled closure framework for higher-order SIS epidemic models on networks
Network Science Institute, Northeastern University(东北大学网络科学研究所);Institute of Mathematics, Eötvös Loránd University(厄特沃什·罗兰大学数学研究所)
研究网络上高阶SIS流行病模型,提出自下而上推导方法,核心是依赖网络的封闭算子,可恢复现有模型为特殊情况,揭示启发式方法隐含假设,为建模提供基础和新途径。
2026-07-21 cond-mat.stat-mech physics.soc-ph
Network interpolation
鉴于一组快照从一个时间网络,我们开发,分析和实验验证所谓的网络插值方案。我们的方法允许我们建立一个合理的,虽然随机的,在任何两个给定的图形之间过渡的图形序列。重要的是,我们的模型很好地表征了马尔可夫链,我们利用这种表示来分析估计我们模型的命中时间(到目标图的预定义距离)和长期行为。这些观察结果也为我们的模型中的速率参数提供了解释和理由。最后,通过混合合成和真实世界的数据实验,我们证明了我们的模型在快照之间构建了合理的图形轨迹,通过各种图形统计进行测量。在这些实验中,我们发现,我们的插值方案相比,毫不逊色于常见的网络增长模型,如优先连接和三元封闭。
2021-02-19 cs.SI physics.soc-ph
Heterogeneous node copying from hidden network structure
节点复制是网络形成的一个重要机制,但大多数模型假设复制规则是统一的。在真实网络中的异构三元闭包的观察的动机,我们引入了隐藏网络模型的概念-生成的两层模型,其中观察到的网络根据底层隐藏层的结构演变-并将框架应用到异构复制的模型。在社交背景下,这两层代表节点的内部社交圈和更广泛的社交圈,使得模型可以将复制概率偏向或反对节点的内部朋友圈。将极端内圈偏差的情况与具有均匀复制的等效模型进行比较,我们发现异构复制抑制了复制模型中常见的幂律度分布,并导致网络具有比均匀复制的最佳场景更高的聚类。类似的大集群值被发现在真正的合作网络,贷款的机制的实证支持。
2021-07-24 cond-mat.stat-mech physics.soc-ph
Memory effects induce structure in social networks with activity-driven agents
活动驱动建模是近年来提出的一种时变网络的增长机制,它在时间聚集表示中显示幂律度分布。这种方法假设无记忆的代理开发随机连接,从而导致随机网络无法再现两个节点的度相关性和在真实社交网络中广泛观察到的高聚类系数。在这项工作中,我们介绍了这些缺失的拓扑功能,占时间聚合网络的动态演化的记忆效应。为此,我们提出了一个活动驱动的网络增长模型,包括一个三元组关闭步骤作为主要的连接机制。我们表明,这种机制提供了一些基本的拓扑功能预期的社交网络。我们推导出分析结果,并进行了广泛的数值模拟,在政权和人口增长。最后,我们提出了两个案例的研究,一个包括面对面的接触,在一个封闭的聚会,而另一个从一个在线的社会友谊网络。
2014-04-18 cs.SI physics.soc-ph
Quantifying Human Priors over Social and Navigation Networks
University of London(伦敦大学)
本文利用图的组合结构分析社会互动与空间导航两类行为实验,量化人类关系性知识的先验,揭示跨领域一致与领域特异的偏差特征。
2024-02-28 cs.AI cs.LG cs.SI
Micro, Meso, Macro: the effect of triangles on communities in networks
中尺度结构(社区)用于理解复杂网络的宏观尺度特性,例如其功能和形成机制。已知微尺度结构存在于大多数复杂网络中(例如,大量的三角形或图案),但是它们在所考虑的简单随机图模型中不存在(例如,作为空模型)。在本文中,我们研究的微观结构上的社区在网络中的外观的效果。我们发现,单独的三角形的存在导致社区的外观,即使在设计,以避免在随机网络中的社区检测的方法。这表明,社区可以自发地从发生在微观层面的简单的motiff生成过程中出现。我们的研究结果是基于四个广泛使用的社区检测方法(随机块模型,谱方法,模块化最大化,和Infomap算法)和三种不同的生成网络模型(三元封闭,广义配置模型,和随机图与三角形)。
2019-07-15 cs.SI physics.soc-ph
Emergence of multiplex communities in collaboration networks
协作网络中的社区结构反映了个体为了更好地实现共同目标而将其工作组织成小组的自然趋势。在大多数情况下,个人利用他们的关系将自己介绍给新的兴趣领域,从而产生跨越不同领域的多方面合作。在本文中,我们分析了科学和电影演员之间的合作,作为多元化网络,其中的层分别代表研究课题和电影类型,我们表明,社区确实共存,并在这种系统的不同层重叠。然后,我们提出了一个模型来增长的多重网络的基础上两个机制的内部和层间三元封闭,模仿真正的过程中,合作的发展。我们表明,我们的模型是能够解释经验观察到的多元化社区结构,我们推断的力量,从现实世界的系统中的两个基本的社会机制。该模型还能够正确地再现层内和层间关联性的值,有助于更好地理解推动社交网络演变的原则。
2016-01-28 cs.SI physics.soc-ph
Asymmetry of social interactions and its role in link predictability: the case of coauthorship networks
本文研究社会互动不对称性对连接强度的影响,发现在合著网络中不对称连接强度与邻域重叠呈幂律关系,并证明考虑连接不对称性可显著提升链路预测效率,进而合理解释了资源分配指数的高性能。
2023-06-26 cond-mat.dis-nn cs.SI physics.soc-ph
Predicting Node Degree Centrality with the Node Prominence Profile
节点的中心性衡量其在网络中的相对重要性。中心性有许多应用,包括推断个人在社交网络中的影响力或成功,以及由此产生的社交网络动态。虽然我们可以计算给定网络快照中任何节点的中心性,但许多应用程序也有兴趣了解个人在未来的潜在重要性。然而,当前的中心性不一定是未来中心性的有效预测。虽然有不同的度量中心性,我们集中在本文的程度中心性。我们开发了一种方法,调和优先附件和三元封闭捕捉节点的突出配置文件。我们表明,建议的节点显着配置文件的方法是一个有效的预测度中心。值得注意的是,我们的分析表明,在进化的早期阶段的个人显示出独特的和强大的签名的程度中心化的趋势,充分预测他们的突出配置文件。我们在四个真实世界的社交网络中评估我们的工作。我们的研究结果具有重要的意义,需要预测的应用程序,一个节点的未来度中心,以及社会网络动力学的研究。
2014-12-06 cs.SI physics.soc-ph
Understanding the network formation pattern for better link prediction
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院)
链接预测作为复杂网络领域的经典问题,受到研究者的广泛关注,对于帮助我们理解网络的演化和动态发展机制具有重要意义。虽然已经提出了各种网络类型的特定算法来解决链接预测问题,他们中的大多数假设网络结构是由三元闭包原理。我们仍然缺乏对网络形成模式的适应性和全面的理解,以预测潜在的联系。此外,研究如何更好地利用网络本地信息也是有价值的。为此,我们提出了一种名为使用多阶局部信息(MOLI)的链接预测的新方法,该方法利用来自不同距离的邻居的局部信息,其参数可以是基于先验知识的先验驱动,或者通过解决观察到的网络上的优化问题来驱动。MOLI通过图上的随机游走定义了一个局部网络扩散过程,从而更好地利用了网络信息。我们表明,MOLI优于其他11个广泛使用的链接预测算法对11种不同类型的模拟和现实世界的网络。我们还得出结论,有不同的模式的本地信息利用不同的网络,包括社交网络,通信网络,生物网络等,特别是,经典的共同邻居为基础的算法是不适应所有的社交网络,因为它被认为是,相反,一些社交网络遵守四边形闭合原则,优先连接路径的长度为3。
2021-10-17 cs.LG cs.SI physics.soc-ph
q-Exponential Random Graphs: higher-order networks from simple constraints
Czech Technical University in Prague(布拉格捷克技术大学);University of Leiden(莱顿大学);IMT School for Advanced Studies(高级研究IMT学院)
本文通过将Shannon熵推广到Uffink熵,提出$q$-指数随机图模型,在保持原始约束(边数或度序列)不变的情况下,引入边依赖性和高阶网络特征(如稀疏-稠密相变、丰富的同配性和聚类结构)。
2026-06-16 cond-mat.dis-nn cond-mat.stat-mech cs.IT
A dynamic mechanism for prevalence of triangles in competitive networks
Mathematical Institute, Utrecht University(乌得勒支大学数学研究所);Centre for Complex Systems Studies (CCSS), Utrecht University(乌得勒支大学复杂系统研究中心);National Research Council of Italy, Institute of Atmospheric Sciences and Climate (CNR-ISAC)(意大利国家研究委员会大气科学与气候研究所);National Biodiversity Future Center (NBFC)(国家生物多样性未来中心);Copernicus Institute of Sustainable Development, Utrecht University(乌得勒支大学哥白尼可持续发展研究所);Institute for Marine and Atmospheric Research (IMAU), Utrecht University(乌得勒支大学海洋与大气研究所);INRAE, UR1115, Plantes et Systèmes de culture Horticoles (PSH)(法国国家农业食品环境研究院植物与园艺栽培系统实验室)
提出三角形结构可能源于Lotka-Volterra系统中维持物种共存所需的动态稳定性,通过理论证明和算法优化发现高聚类系数与强稳定性相关。
2026-07-01 math-ph math.DS math.MP