Collective Link Prediction Oriented Network Embedding with Hierarchical Graph Attention
为了享受更多的社交网络服务，现在的用户通常同时参与多个在线网站。结盟的社交网络提供了更多的信息，以缓解数据不足的问题。在本文中，我们的目标是集体链接预测问题，旨在预测网络内的社会链接，以及跨多个对齐的社交网络的网络间的锚链接。这不是一件容易的事情，主要的挑战涉及网络特性差异问题以及要预测的社交链接和锚链接的不同方向性。为了解决这个问题，我们提出了一个面向应用的网络嵌入框架，层次图注意力为基础的网络嵌入（HGANE），集体链接预测定向对齐网络。与传统的一般网络嵌入模型不同，HGANE有效地将集体链接预测任务目标纳入考虑。它通过聚合来自网络内邻居（通过社交链接连接）和网络间合作伙伴（通过锚链接连接）的信息来学习节点的表示。此外，我们还分别为网络内邻居和网络间伙伴引入了层次图注意力机制，有效地解决了网络特性差异和链路方向性的挑战。在现实世界的对齐网络数据集上进行了大量的实验，以证明我们的模型在解决集体链接预测问题方面优于最先进的基线方法。
2019-10-13 cs.SI physics.soc-ph
"Conjectural" links in complex networks
本文介绍了复杂网络，特别是社交网络中的猜想链接的概念。我们将推测链路理解为一种隐式链路，在网络中不可用，但根据其拓扑结构的特征应该存在。例如，当在网络的形式描述中，由于错误而跳过某些连接时，故意隐藏或撤回（例如，在网络部分破坏的情况下）。引入了一个参数，允许排名的猜测链接。此参数越多-此连接在网络中存在的可能性越大。本文提出了一种利用猜测链接发现的复杂网络部分破坏恢复方法。提出了两种寻找彼此不直接相连，但彼此之间有很大可能进行猜想链路通信的节点对的方法：一种是基于确定两个节点之间的电阻的方法，另一种是基于计算两个节点之间的路由长度的方法。回顾了几个真实网络的例子，并进行了比较，以了解网络链接预测方法，而不是为了在已经形成的网络中找到缺失的链接。
2016-03-16 cs.SI physics.soc-ph
Accelerating coordination in temporal networks by engineering the link order
网络上的社会动态可能会加速或减速，这取决于网络中哪对个体通信较早，哪对通信较晚。给定网络中的链接顺序使用的顺序，我们称之为链接顺序，可能是网络动态行为的一个强有力的决定因素，可能会为时间网络相对于静态网络的影响增加一个新的维度。在这里，我们研究链接顺序对线性协调的影响（即，同步）动力学。我们表明，协调速度在很大程度上取决于特定的链接顺序。此外，在移动到下一对个体之前，长时间应用每个单个链接以确保强的成对协调，通常不会增强整个网络的协调。我们还实现了一个简单的贪婪算法，以优化有利于快速协调的链接顺序。
2016-03-17 cs.SI physics.soc-ph
Link Prediction in Networks with Nodes Attributes by Similarity Propagation
链接预测的问题最近已经引起了社会学、人类学、信息科学和计算机科学等各个领域的相当大的关注。提出了一种基于随机游走传播的链接预测算法。在该算法中，网络中的每一条链路被分配一个传输概率，根据由链路连接的节点上的属性的相似性。节点之间的链路相似性分数然后根据它们的传输概率经由链路传播。实验结果表明，该算法在具有节点属性的网络上可以获得比其他算法更高质量的结果。
2015-02-15 cs.SI physics.soc-ph
DecLiNe -- Models for Decay of Links in Networks
图的演化预测是网络分析，特别是Web分析中的一个重要且具有挑战性的问题。但是，尽管新链接的出现几乎是每一种Web增长模式的一部分，但链接的消失在文献中受到的关注要少得多。为了填补这一空白，我们的方法DecLiNe（网络中链接的DECay的首字母缩写）旨在预测网络中的链接衰减，基于相应图模型的结构分析。在类比的链接预测问题，我们表明，图结构的分析可以帮助确定指标下考虑常见的网络模型的多余的链接。在此过程中，我们引入了新的指标，表示社交图中某些链接保留在网络中的可能性，并将其与最先进的机器学习方法相结合，用于预测链接衰减。我们的方法是独立的底层网络类型，并可以应用到这样的不同的网络，如Web，社交网络和任何其他结构表示为一个网络，并可以很容易地结合特定情况下的内容分析，并通过各种社会网络挖掘，过滤和推荐应用。在维基百科的大规模数据集的系统评估中，我们展示了所提出的基于结构的链接衰减预测算法的实际可行性。
2014-03-19 cs.SI physics.soc-ph
Leveraging Friendship Networks for Dynamic Link Prediction in Social Interaction Networks
在线社交网络（OSN）通常包含用户之间的许多不同类型的关系。在研究Facebook等OSN的结构时，最常被研究的两个网络是友谊网络和互动网络。友情网络中的链接预测问题已经得到了大量的研究。先前也有关于独立于友谊网络的交互网络中的链接预测的工作。在本文中，我们研究了结合友谊和互动网络的预测能力。我们假设，通过利用友谊网络，我们可以提高互动网络中链接预测的准确性。我们增加了几个互动链接预测算法，将友谊和预测的友谊。从Facebook数据的实验中，我们发现，将友谊的互动链接预测算法的结果在更高的准确性，但结合预测的友谊没有相比，结合当前的友谊。
2018-04-23 cs.SI physics.soc-ph
Robustness of Network of Networks with Interdependent and Interconnected links
网络的网络（NON）的鲁棒性仅针对依赖耦合进行了研究（J.X. Gao et.例如，Nature Physics，2012）并且仅用于连接性耦合（E.A. Leicht和R.M. D Souza，arxiv：0907.0894）。具有相互依赖和互连链路的n个网络的网络的情况更复杂，也更接近于现实生活中的耦合网络系统。在这里，我们开发了一个框架来研究分析和数值的鲁棒性，这个系统。对于n个电流变网络的星形网络，我们发现随着耦合强度q的增加，系统经历了从二级到一级的相变。我们发现，增加内部连接或内部连接的链接可以增加系统的鲁棒性，而相互依赖的链接降低其鲁棒性。特别是当q=1时，我们得到了巨分支和一阶跃迁点的精确解析解。了解具有相互依赖和互连链路的网络的网络的鲁棒性有助于设计弹性基础设施。
2013-10-19 cs.SI physics.soc-ph
Natural growth model of weighted complex networks
我们提出了一个自然模型的发展加权网络中，新的链接不一定连接到新的节点。该模型允许新添加的链路直接连接网络中已经存在的两个节点。这在许多现实世界的网络建模中是合理的。这样的链接称为内部链接，而连接到新节点的链接称为外部链接。考虑到网络内外链之间的相互关系，我们研究了加权复杂网络的强度、度和权分布的幂律。该模型使我们能够预测加权网络的一些特征，如全球机场网络和科学合作网络。
2011-08-17 cs.SI physics.soc-ph
GC-LSTM: Graph Convolution Embedded LSTM for Dynamic Link Prediction
动态链接预测是复杂网络领域的一个研究热点，尤其在生物、社会网络、经济和工业等领域有着广泛的应用。与静态链接预测相比，动态链接预测由于网络结构随时间的变化而变得更加困难。目前大多数研究都集中在静态链接预测上，在动态网络中无法达到预期的性能。针对低AUC、高出错率、添加/删除链接预测困难等问题，提出了一种嵌入长短期记忆网络（LTSM）的图卷积网络（GC）GC-LSTM，用于端到端动态链接预测。据我们所知，这是第一次提出GCN嵌入LSTM用于动态网络的链接预测。在这个新的深度模型中，GCN能够为每个时间片学习网络快照的节点结构，而LSTM负责网络快照的时间特征学习。此外，现有的动态链接预测方法只能处理删除的链接，GC-LSTM可以同时预测添加或删除的链接。通过大量的实验，从预测精度、出错率、添加/删除链接预测和关键链接预测等方面验证了该算法的性能。结果证明GC-LSTM优于当前最先进的方法。
2021-10-02 cs.SI physics.soc-ph
Predicting Anchor Links between Heterogeneous Social Networks
人们通常参与多个社交网络以享受新的服务或满足他们的需求。许多新的社交网络试图吸引其他现有网络的用户以增加其用户数量。一旦社交网络（称为源网络）的用户（称为源用户）加入新的社交网络（称为目标网络），则在源网络和目标网络之间形成新的网络间链接（称为锚链接）。在本文中，我们集中在预测异质社交网络之间的锚链接的形成。与预测单个网络内两个现有用户之间的链路的形成的传统链接预测问题不同，在锚链接预测中，目标用户缺失，并且一旦创建锚链路，则目标用户将被添加到目标网络。为了解决这个问题，我们使用元路径作为一个强大的工具，利用源和目标网络中的异构信息。为此，我们提出了一个有效的通用元路径为基础的方法称为连接器和递归元路径（CRMP）。通过使用这两种不同类别的元路径，我们对可能影响源用户加入目标网络的社会因素的不同方面进行建模，从而形成新的锚链接。在现实世界的异构社交网络上进行的大量实验证明了该方法的有效性。
2016-08-01 cs.SI physics.soc-ph
Ubiquitousness of link-density and link-pattern communities in real-world networks
社区结构似乎是许多复杂现实世界网络的内在属性。然而，最近的工作表明，现实世界的网络揭示了比经典的凝聚力（链接密度）社区更复杂的模块。特别是，网络也可以根据节点之间的相似连接模式自然地划分，揭示链接模式社区。在这里，我们提出了一个基于传播的算法，可以提取链接密度和链接模式社区，没有任何先验知识的真实结构。该算法首先在不同类别的具有社团结构的合成基准网络和随机网络上进行了验证。我们进一步将该算法应用于不同的社会，信息，技术和生物网络，在那里它确实揭示了有意义的（复合）链接密度和链接模式社区。因此，结果似乎意味着，类似的链接密度对应物，链接模式社区似乎无处不在的性质和设计。
2011-10-24 cs.SI physics.data-an physics.soc-ph
Critical links and nonlocal rerouting in complex supply networks
链路故障反复导致电网和其他供应网络的大规模停电。然而，仍然没有很好地理解，哪些链接特别容易引起这种中断。在这里，我们分析了每个环节的性质和位置如何影响网络的能力，以保持稳定的供应。我们提出了两个标准，以确定关键链路的拓扑结构和负载分布的基础上，链路故障前的网络。它们是通过一个链接的冗余容量和重整化的线性响应理论，我们得出。这些标准优于基于负荷等局部测量的关键链路预测。这些结果不仅进一步加深了我们对供应网络物理学的理解。由于这两个标准在正常运行状态下的任何中断之前都是可用的，因此它们还可以帮助实时监测电网运行，采取对策并支持网络规划和设计。
2015-10-30 nlin.AO physics.soc-ph
Cliques in complex networks reveal link formation and community evolution
无向无权网络中的丢失链接预测是一个开放的、具有挑战性的问题，近年来得到了广泛的研究。本文研究了社区结构与链接形成之间的关系，提出了一种快速阻塞概率模型（FBM）。在四个真实网络上的实验结果表明，该方法具有很好的丢失链接预测精度，并且与传统方法相比，计算效率有了很大的提高。通过分析链接的形成机制，我们还发现，集团结构起着重要的作用，以帮助我们了解如何在社区中的链接增长。因此，我们总结了三个原则，这三个原则被证明能够很好地解释链接形成和网络演化的机理。
2013-03-06 cs.SI physics.soc-ph
Dynamics of link states in complex networks: The case of a majority rule
出于这样的想法，一些特征是特定的个人之间的关系，而不是个人本身，我们研究了一个原型模型的动态状态的链接在一个固定的网络的相互作用的单位。网络中的每个链路可以处于两种等效状态之一。实现多数链路动态规则，使得在每个动态步骤中，随机选择的链路的状态被更新为大多数相邻链路的状态。节点可以通过链路异质性指数来表征，给出节点在两个状态之一中具有链路的可能性的度量。我们考虑这个链接动力学模型在全连通网络，正方形格子和Erd ös-Renyi随机网络。在每种情况下，我们都会发现并描述一些非平凡的渐进配置，以及导致它们的一些机制以及链路异质性指数分布的时间演变。对于全连通网络和随机网络，可能的渐近配置分布很广。在相同的拓扑结构中，由链路动力学产生的大多数渐近构型在传统的节点动力学下没有对应的构型。
2012-12-18 cs.SI physics.soc-ph
Identification of hybrid node and link communities in complex networks
复杂网络中社团的识别已经成为分析复杂系统的有效手段。它在社会科学、工程学、生物学和医学等不同领域有着广泛的应用。节点社区和链路社区是网络结构分析的两种常用方法。然而，这些计划有固有的缺点，往往不足以正确地捕捉在真实的网络复杂的组织结构。我们介绍了一种新的方案和有效的方法来识别复杂的网络结构，使用混合的节点和链接社区，称为混合节点链接社区。我们的方法的一个核心部分是一个概率模型，可容纳节点，链接和混合节点链接社区。我们在各种真实世界的网络上进行了大量的实验，包括一个大型的蛋白质-蛋白质相互作用网络和一个大型的常用词语义关联网络，表明混合社区的方案在揭示网络特征方面具有优越性。此外，新的方法优于现有的方法分别找到节点或链接社区。
2013-09-18 cs.SI physics.soc-ph
Fast link prediction for large networks using spectral embedding
许多链接预测算法需要计算每个顶点对上的相似性度量，这在顶点数量上是二次的，并且对于大型网络是不可行的。我们开发了一类链接预测算法的基础上的频谱嵌入和k最近对算法，可扩展到非常大的网络。我们比较了这些方法的预测精度和运行时间，现有的几个大的链接预测任务的算法。我们的方法达到了与标准算法相当的精度，但速度要快得多。
2017-03-28 cs.SI physics.soc-ph
Link Prediction and the Role of Stronger Ties in Networks of Face-to-Face Proximity
了解链接形成的原因是一个重要而突出的研究课题。因此，在本文中，我们考虑的链接预测问题，在面对面的接触网络，并分析了新的和经常性的链接的可预测性。此外，我们还研究了其他的影响因素，以及在这些网络中更强的联系的作用。具体来说，我们比较了基于邻域和基于路径的网络邻近度测量在基于阈值的分析捕捉时间动态。分析的结果和见解是人类联系网络可预测性应用的第一步，例如，用于改进推荐。
2014-07-08 cs.SI physics.soc-ph
Link Prediction in Complex Networks: A Mutual Information Perspective
近年来，网络的拓扑性质被广泛应用于链路预测问题的研究。例如，共同邻居是一个自然而有效的框架。因此，已经提出了许多变体的共同邻居，以进一步提高候选链接的判别分辨率。本文从信息论的角度重新审视了网络拓扑在预测丢失链路中的作用，并提出了一种基于网络结构互信息的实用方法。该方法不仅可以大幅度提高预测精度，而且计算复杂度也比较合理.
2014-09-17 cs.SI physics.soc-ph
Towards Fast Evaluation of Unsupervised Link Prediction by Random Sampling Unobserved Links
链接预测由于能够发现网络中隐藏的连接和预测网络中未来的链接而引起了广泛的关注。许多无监督的链接预测算法已经被提出来在各种网络中发现这些链接。然而，在无监督链接预测中存在评估难题。在大型网络中，未观测链路的数量远远超过观测链路的数量，因此量化所有未观测链路的存在可能性来评估这些算法是不现实的。在本文中，我们提出了一个新的评估范式，即采样未观察到的链接来解决这个问题。首先，我们证明了所提出的范式在理论上是可行的。然后，我们在不同上下文和大小的真实网络中进行了广泛的评估实验。结果表明，基于相似性的链接预测算法在大规模网络中即使在低采样率下也具有很高的稳定性，并且采样引起的评估时间退化是显著的。我们的发现对链接预测有着广泛的意义。
2021-05-07 cs.SI physics.soc-ph
Fragmentation transition in a coevolving network with link-state dynamics
我们研究了一个网络模型，耦合的动态链接状态与网络拓扑结构的演变。每个链路A或B的状态根据多数规则或零温度Glauber动力学进行更新，其中链路采用网络中大多数相邻链路的状态。此外，在本地少数的链路被重新布线到随机选择的节点。虽然在多数决定规则下演化的大型系统总是陷入由失效链接组成的无序拓扑陷阱，但任何数量的重新布线都能够通过重新链接失效链接来驱动网络完成有序，从而使系统摆脱陷阱。然而，取决于多数规则和重新布线过程的相对速率，系统朝着不同的有序吸收配置演化：要么是所有链路处于相同状态的单组分网络，要么是分裂成两个具有相反状态的组分的网络。对于低的重新布线率和有限大小的网络，有一个域的双稳态之间的碎片和非碎片的最终状态。有限尺寸标度表明，对于大型系统和任何非零的重新布线率，碎片化是唯一可能的情况。
2014-06-16 cs.SI physics.soc-ph
A Multilayer Approach to Multiplexity and Link Prediction in Online Geo-Social Networks
在线社交系统本质上是多元的，因为在不同社交网络上的相同两个用户之间可能存在多个链接。在这项工作中，我们介绍了一个框架，研究用户之间的联系和互动超越个人的社会网络。探索两个流行的在线平台的横截面-Twitter和基于位置的社交网络Foursquare-我们将两者一起表示为复合多层在线社交网络。通过这种模式，我们研究的用户对区分那些在一个或两个网络上的链接之间的相互作用。我们发现，与仅在其中一个社交网络上连接的配对相比，在两个网络上连接的具有多重链接的用户交互更多，并且在两个平台上具有更大的邻域重叠。特别是，用户最频繁的位置相当接近，并且多路复用链路之间的相似性相当大。我们提出了一些结构和相互作用的功能，如多层的Adamic/Adar系数，这是基于扩展的概念，超越了单一的网络的节点邻域。我们的评估，其目的是阐明的多重链接生成过程的影响，表明多层功能，构建跨社交网络的属性，比他们的单网络同行在预测跨网络的链接。我们建议，从多个网络中的多层配置的信息相结合，可以提供新的见解，在线社交网络上的用户交互，并可以显着提高链接预测整体与社会引导和朋友推荐有价值的应用。
2015-08-31 cs.SI physics.soc-ph
Local degree blocking model for link prediction in complex networks
通过准确识别网络中缺失和不可靠的链路来恢复和重建网络是网络分析和挖掘领域的一项重要任务。本文通过研究一种特殊的局部结构，即由一个节点和它的所有近邻节点组成的度块，发现它包含了复杂网络链路形成的重要统计特征。因此，我们提出了一个无参数的局部阻塞（LB）预测，定量检测在给定的网络中，通过局部链接密度计算的链接形成。在六个真实网络上进行的实验结果表明，新索引在大多数测试网络上的性能优于其他传统的基于局部相似性的方法。进一步分析了LB指标与其他两种方法的相关性，发现LB指标具有与PA指标和基于最短路径的指标相似的特征，实证验证了LB指标同时捕捉到的大度原则和最短路径原则共同驱动复杂网络中的链接形成。
2014-09-16 cs.SI physics.soc-ph
A Survey of Link Recommendation for Social Networks: Methods, Theoretical Foundations, and Future Research Directions
链接推荐已经引起了业界和学术界的广泛关注。在工业中，链接推荐已经成为在线社交网络中的标准和最重要的特征，其突出的示例包括LinkedIn上的“你可能认识的人”和Google+上的“你可能认识的人”。在学术界，链接推荐一直是一个非常活跃的研究领域。本文综述了最新的链接推荐方法，这些方法可以大致分为基于学习的方法和基于邻近度的方法。我们进一步确定社会和经济理论，如社会互动理论，这些方法的基础，并从理论角度解释为什么链接推荐方法的工作原理。最后，我们建议在几个方向扩展链接推荐研究，包括基于效用的链接推荐，链接推荐的多样性，不完全数据的链接推荐，以及链接推荐的实验研究。
2015-11-05 cs.SI physics.soc-ph
Modeling the role of relationship fading and breakup in social network formation
在人类个体的社交网络中，社交关系不一定永远持续，因为它们可以随着时间逐渐消失，导致链接老化，或者突然终止，导致链接删除，甚至旧的友谊也可能终止。在本文中，我们研究了一个社会网络的形成模型，我们介绍了几种方式，其中的链接终止发生。如果我们采用链接老化，我们得到一个更模块化的结构，更均匀地分布在社区内的链接权重比当使用链接删除。通过研究网络中各种特征的分布和关系，我们发现链接删除模型更好地再现了实证结果。这表明，链接删除在组织社交网络方面比链接老化起着更突出的作用。
2015-06-22 cs.SI physics.soc-ph
Discovering link communities in complex networks by exploiting link dynamics
复杂网络中社区的发现是一个基本的数据分析问题，在许多领域都有应用。大多数现有的方法都集中在发现社区的节点，而最近的研究表明，网络中的链接社区的知识有很大的优势和效用。从这个新的角度来看，我们提出了一个基于链接动态的算法，称为UELC，用于识别网络的链接社区。在UELC中，链路-节点-链路随机游动的随机过程被用来展开网络中链路的嵌入式二分结构。然后，利用马尔可夫链的随机游走的局部混合属性来提取两个出现的链接社区。此外，随机游走和二分区过程被包裹在迭代细分策略中，以递归地识别将网络链路隔离成多个细分的链路分区。我们评估了新方法在合成基准上的性能，并在现实世界的网络上展示了其实用性。我们的实验结果表明，我们的方法是非常有效的发现复杂网络中的链接社区。作为比较，我们还扩展了UELC来提取节点的社区，并表明它是有效的节点社区识别。
2013-03-19 cond-mat.stat-mech cs.SI physics.soc-ph
Robustness of Link-prediction Algorithm Based on Similarity and Application to Biological Networks
已经提出了许多算法来预测各种真实网络中的丢失链接。这些研究主要集中在这些算法的准确性和效率。然而，很少有人注意到他们的鲁棒性对噪声或不合理的链接存在于几乎所有的现实网络。在本文中，我们研究了几个典型的基于节点相似性的算法的鲁棒性，发现这些算法是敏感的噪声强度。此外，我们还发现它还依赖于网络的结构性质，特别是网络效率、聚类系数和平均度。此外，我们尝试通过链路加权的方法将未加权的网络转化为加权网络，然后利用链路的权重来表征其可靠性，以增强鲁棒性。结果表明，在生物网络中，适当的链路加权方案可以显著提高算法的鲁棒性和准确性，而计算量很小。
2013-02-24 cs.SI physics.soc-ph
Instability of social network dynamics with stubborn links
基于结构平衡理论，研究了存在顽固链接的带符号网络。网络中的每个代理都有积极和消极的链接，代表友好和敌对的互动以及他对互动的谨慎。结构平衡理论认为，在同时存在友好/敌对互动的有符号的社交网络中，随着时间的推移，存在着一种缓解紧张关系的普遍趋势。从这个角度来看，个人反复颠倒自己的情绪，以减少由不平衡引起的紧张感。在本文中，我们研究了代理人的固执对其交互的后果。我们将“不和谐”定义为一种极端的对抗性互动，这种互动对变化具有抵抗力。在本文中，我们研究了顽固链接的存在是否会对网络的平衡状态产生影响，以及签名网络中的平衡程度是否取决于顽固链接的位置。我们的研究结果表明，一个不平衡的配置由多个拮抗基团。分析和仿真结果表明，网络的全局平衡水平的影响，更顽固的链接在所产生的网络拓扑结构中的位置比顽固的链接的分数。这意味着即使有很大一部分顽固链接，网络也会朝着平衡状态发展。另一方面，如果一小部分顽固链接聚集在五个顽固社区中，则网络会演变为不平衡状态。
2019-06-30 cs.SI physics.soc-ph
Absorbing transition in a coevolution model with node and link states in an adaptive network: Network fragmentation transition at criticality
我们考虑一个一般模型，其中有一个耦合动力学的网络中的节点状态和链接状态。这种耦合动力学与由链路重新布线机制引起的网络拓扑结构的动态变化共同进化。这种协同进化模型的特点是节点和链路状态的局部动态与随机网络中链路重布线的非局部动态的相互作用。的节点和链接的状态的耦合动力学本身产生的吸收相变，这是强大的对链路重布线机制。然而，网络的动力学会引起显著的物理变化，特别是在某些链接不改变状态但总是重新连接的情况下：首先，网络分裂发生在吸收跃迁的临界线上，并且只发生在这条线上，因此分裂是临界性的表现。其次，在吸收跃迁的活跃阶段，有限大小的波动使系统进入单一网络组件共识阶段，而在没有重新布线的情况下，其他配置是可能的。此外，这个阶段是在生存时间与系统规模呈线性关系之后达到的，而当没有重新布线时，生存时间与系统规模呈指数关系。我们的研究结果的社会解释有助于描述的过程中出现的社会分裂和两极分化。
2020-06-02 nlin.AO physics.soc-ph
Community Detection in Complex Networks using Link Prediction
社区发现和链接预测在网络分析中具有重要意义，它们从不同的角度对网络的拓扑结构提供了非常有价值的见解。针对链接预测能否提高社区划分的准确性这一问题，提出了一种新的社区发现算法，该算法引入了链接预测.对于链接预测，我们提出了两个新的索引来计算每对节点之间的相似性，其中一个旨在添加丢失的链接，另一个试图删除虚假的边缘。在基准数据集上进行了大量的实验，并将该算法的结果与两类基线进行了比较。总之，我们提出的算法是有竞争力的，揭示了链接预测确实提高了社区发现的精度。
2017-07-10 cs.SI physics.soc-ph
Network structural perturbation against interlayer link prediction
层间链路预测的目的是在复用网络的不同层上匹配相同的实体。现有的研究试图从网络结构、属性特征及其组合等方面进行更准确、更有效或更一般性的预测。很少有人分析层内链接的影响。也就是说，很少有工作研究的骨干结构，可以有效地保持预测的准确性，同时处理较少数量的层内链接。它可用于研究哪些类型的层内链接对于正确预测最重要。是否存在任何层内链接，其存在会导致预测性能比不存在时更差，以及如何以最小的成本攻击预测算法？为此，提出了两种网络结构摄动法。对于整个网络的结构信息完全已知的情况下，我们提供了一个全局扰动策略，赋予不同类型的层内链路不同的扰动权重，然后选择一个预定比例的层内链路删除根据权重。相反，如果这些信息不能一次获得，我们设计了一个有偏随机游走过程，局部扰动策略，执行扰动。四种层间链路预测算法在不同的真实世界和人工扰动的复用网络上进行。我们发现，与小度节点连接的层内链接对预测精度的影响最大。与大度节点连接的层内链路可能对层间链路预测产生副作用。
2022-05-18 cs.SI physics.soc-ph
Nonlocal failures in complex supply networks by single link additions
局部拓扑变化如何影响复杂供应网络的全局运行和稳定性？研究供应网络的各种抽象层次，我们证明，以及如何增加新的链接，不仅可以促进，而且还降低了网络的稳定运行。有趣的是，由此产生的过载可能会从添加此类链接的位置远程出现，从而导致非本地故障。我们将这种反直觉的现象与最初在交通网络中发现的Braess悖论联系起来。我们使用基本的网络拓扑结构来解释其潜在的机制，不同类型的供应网络，并发现它一般发生在这些系统。作为一个重要的结果，升级供应网络，如通信网络，生物供应网络或电网需要特别小心，因为即使只增加单一的连接可能会破坏正常的网络运行，并引起远离结构变化的位置的干扰，甚至全球连锁故障。
2013-05-09 nlin.AO physics.soc-ph
Influence of Reciprocal links in Social Networks
在这封信中，我们实证研究互惠联系的影响，以了解它在影响定向社交网络的结构和功能中的作用。在两个具有代表性的数据集新浪微博和豆瓣上的实验结果表明，在传播信息和保持网络鲁棒性方面，互惠链接确实比非互惠链接发挥了更重要的作用。特别地，通过考虑互逆效应，可以显著地增强信息传播过程。此外，互惠链接在很大程度上负责有向网络的连通性和效率。本文的工作对于深入理解和应用有向在线社交网络中的互惠效应具有一定的启发意义。
2013-06-24 cs.SI physics.soc-ph
Improving Network Inference: The Impact of False Positive and False Negative Conclusions about the Presence or Absence of Links
从数据中可靠地推断网络是神经科学的关键兴趣。在文献中已经提出了几种方法来可靠地确定网络中的链接。为了确定链接的存在，这些技术依赖于统计推断，通常控制假阳性的数量，很少关注假阴性。本文通过全面的仿真研究，分析了网络中链路存在与否的假阳性和假阴性结论对网络拓扑结构的影响。我们表明，不同的值，以平衡假阳性和假阴性的结论，链接应使用，以可靠地估计网络特性。我们建议在对网络拓扑做出可能错误的结论之前进行仔细的模拟研究。我们的分析表明，平衡假阳性和假阴性结论的最佳值取决于网络拓扑结构和感兴趣的特征。现有的方法依赖于假阳性结论的比率的选择。他们的目标是确定单个链接，而不是整个网络。假阴性结论的发生率通常不会被调查。我们的调查表明，平衡的假阳性和假阴性的结论，在网络中的链接，必须调整任何网络拓扑结构，是要估计。此外，在相同的网络拓扑结构中，每个网络特性的结果在性质上是相同的，但是导致特性的可靠估计的实际值是不同的。
2018-06-26 physics.data-an physics.soc-ph
Abrupt efficiency collapse in real-world complex weighted networks: robustness decrease with link weights heterogeneity
在这里，我们报告了五个高质量的真实世界的复杂加权网络的鲁棒性的全面分析的错误和攻击的节点和链接。我们分析了C. Elegans，货船，E。大肠杆菌，美国机场和人脑现实世界的复杂加权网络。我们使用二进制（例如，最大连接集群LCC和二进制效率Effbin）或加权网络结构（例如，效率Eff和总能量信息En）的网络损坏的措施。我们发现，删除一小部分的节点和链接，分别具有较高的强度和重量触发的加权功能的措施突然崩溃，而措施，评估二进制拓扑连通性几乎不受影响。这些发现揭示了现实世界复杂网络的一个有问题的响应状态，其中一小部分节点链接的攻击使这些系统处于连接但非常低效的状态。我们的研究结果揭示了鲁棒性可能被严重高估，只关注组件的连通性。最后，为了理解网络鲁棒性通常如何受到链接权重异质性的影响，我们在现实世界网络的拓扑结构上随机分配链接权重。我们发现，高度异构的网络经历了一个更快的效率下降的节点-链接删除：即现实世界中的复杂网络的鲁棒性对随机攻击比攻击是负相关的链接权重的异质性。
2019-01-18 physics.bio-ph physics.soc-ph
SSNE: Effective Node Representation for Link Prediction in Sparse Networks
图嵌入在复杂网络中的链接预测中越来越受欢迎，并取得了优异的性能。然而，有限的工作已经做了稀疏网络，代表了大多数真正的网络。在本文中，我们提出了一个模型，稀疏结构网络嵌入（SSNE），以获得节点表示的链接预测稀疏网络。SSNE首先将邻接矩阵转换为归一化$H$阶邻接矩阵之和（SNHAM），然后通过神经网络模型将SNHAM矩阵映射为用于节点表示的$d$维特征矩阵。证明了映射运算是奇异值分解的等价变形。最后，我们计算节点相似度的链接预测基于这样的特征矩阵。通过在合成稀疏网络和真实稀疏网络上的测试实验，与结构相似性指数、矩阵优化和其他图嵌入模型相比，该方法具有更好的链接预测性能。
2021-04-21 cs.SI physics.soc-ph
Jointly Predicting Links and Inferring Attributes using a Social-Attribute Network (SAN)
社会影响和同质性的影响表明，网络结构和节点属性信息都应该通知链接预测和节点属性推理的任务。最近，Yin等人提出了一种属性增强的社会网络，即社会属性网络（SAN），它将网络结构和节点属性相结合，以执行链接预测和属性推理。他们专注于将带重启的随机游走算法推广到SAN框架，并展示了改进的性能。在本文中，我们扩展了SAN框架与几个领先的监督和无监督的链接预测算法，并证明了性能的改善，每个算法的链接预测和属性推理。此外，我们提出了新的观察，即属性推断可以帮助通知链接预测，即，通过首先推断丢失的属性，进一步提高了链接预测的准确性。我们全面评估这些算法，并使用一个新的，大规模的Google+数据集，我们公开提供与其他现有的算法进行比较。
2012-06-22 cs.SI physics.soc-ph
Maximum entropy approach to link prediction in bipartite networks
在网络分析中，分析最大熵框架对于网络重构和过滤等不同任务都非常成功。在最近的一篇论文中，相同的框架被用于单部网络的链接预测：提供图中所有未观察到的链接的链接概率，并选择最可能的链接。在这里，我们提出了这种方法的扩展到二分图。我们测试我们的方法在两个现实世界的网络具有不同的拓扑特征。我们的性能相比，国家的最先进的方法，结果表明，我们的熵为基础的方法具有良好的整体性能。
2018-05-11 cs.SI physics.soc-ph
Dynamical complexity in the perception-based network formation model
社交网络演化的许多链接形成机制已经成功地再现了社交网络中的各种经验发现。然而，他们在很大程度上忽略了这样一个事实，即个人根据链接的成本和收益来决定是否与其他个人建立链接，以及个人可能在决策中使用对网络的感知。在本文中，我们研究的社交网络的演变，基于感知的战略联系的形成。在这里，每个人都有自己对实际网络的感知，并使用它来决定是否创建与另一个人的链接。感知准确度最低的个体可以通过新的链接使用最准确的个体的感知来更新她的感知。在决策过程中，将这种好处与链接的成本进行比较。一旦一个新的链接被创建，它会影响其他人感知的准确性，导致实际网络的进一步演变。对于初始的实际网络，我们考虑了同构和异构的情况。同构的初始实际网络由Erdens-Rényi（ER）随机网络建模，而异构的情况下，我们采取一个星型网络。在任何情况下，个人的实际网络的感知建模的ER随机网络与可控的链接概率。然后根据连接代价的不同，发现实际网络的稳定连接密度呈现出不连续的过渡或跳跃。由于跳跃数是动态复杂性的结果，我们讨论了初始条件对跳跃数的影响，发现动态复杂性强烈依赖于个体最初高估或低估实际网络的链接密度。对于异质的情况下，高度连接的个人作为一个信息传播者的作用进行了讨论。
2016-08-04 cs.SI physics.soc-ph
Robustness of networks with topologies of dependency links
具有依赖关系的复杂网络的鲁棒性是近年来研究的热点。然而，以前的研究集中在网络的鲁棒性依赖链接组成的网络没有网络拓扑结构。在这项研究中，我们将分析一个现实的网络模型，依赖链接遵循一定的网络拓扑结构的渗流性质。通过理论分析和数值模拟，揭示了依赖链接的拓扑结构对复杂网络鲁棒性的重要影响。对于Erdös-Rényi（ER）连通网络，我们发现RR拓扑依赖的系统比ER拓扑依赖的系统更脆弱. RR-RR（即随机-规则（RR）网络与RR拓扑的依赖性）在一个突然的转变瓦解。特别地，我们发现RR-ER系统表现出不同类型的相变。对于不同组合的系统，渗流的类型取决于连通拓扑和依赖拓扑之间的相互作用。
2014-12-06 cs.SI physics.soc-ph
Structural Analysis of Criminal Network and Predicting Hidden Links using Machine Learning
由于这一专题的性质，分析犯罪网络本身就很困难。犯罪网络是隐蔽的，大多数信息是不公开的。这导致可用于分析的小数据集。现有的犯罪网络数据集由相互关联的实体，即个人或组织组成。实体之间的联系表明，这些实体之间存在联系，例如参与同一犯罪活动、有商业联系和/或加入同一犯罪组织。由于犯罪活动的隐蔽性，各实体之间可能有许多隐藏的联系，这使得公开的犯罪网络不完整。披露隐藏的链接会带来新的信息，例如嫌疑人与犯罪组织的联系，这可能是公共信息所不知道的。如果我们可以对更大的数据集进行分析，并使用链接预测来揭示隐含的联系，我们将能够发现什么？我们计划通过使用比大多数犯罪网络分析中使用的数据多一个数量级的数据集来回答这个问题。通过使用机器学习技术，我们将链接预测问题转化为二进制分类问题。我们计划揭示隐藏的链接和潜在隐藏的犯罪网络的关键属性。有了对网络的更完整的了解，我们可以利用这些数据来挫败犯罪组织和/或采取帕累托方法来瞄准关键节点。最后，我们的分析与有效的破坏战略，以削弱犯罪网络，并证明了在攻击犯罪网络时，揭示隐藏的链接的有效性。
2015-09-21 cs.SI physics.soc-ph
The Link Prediction Problem in Bipartite Networks
Technische Universität Berlin（柏林工业大学）
我们定义并研究了二分网络中的链接预测问题，将一般的链接预测算法应用于二分网络。在图中，两个顶点的链接预测函数表示顶点的相似性或接近性。一般图的公共链接预测函数使用两个节点之间的长度为2的路径来定义。由于在二部图中，邻接点只能由奇数长度的路径连接，因此这些函数不适用于二部图。相反，当半正定核约束放松时，某类图核（谱变换核）可以推广到二分图。这种推广是通过基础谱变换的奇分量来实现的。这种结构导致了几个新的链接预测伪内核，如矩阵双曲正弦，我们检查评级图，作者图，大众分类法，文档-功能网络和其他类型的二分网络。
2010-06-28 cs.LG physics.soc-ph
Robustness of link prediction under network attacks
虽然网络中的链接预测多年来一直是一个热门话题，但其鲁棒性在文献中尚未得到很好的讨论。本文研究了一些主流的链路预测方法在各种网络攻击策略下的鲁棒性，包括随机攻击（RDA）、基于中心性的攻击（CA）、基于相似性的攻击（SA）和基于模拟退火的攻击（SAA）。通过对链路预测的一个典型评价指标精度的变化，我们发现对于SA和SAA，一小部分的链路删除会显著降低链路预测的性能。一般来说，SAA具有最高的攻击效率，其次是SA和CA。有趣的是，一些特定的CA策略，如基于介数的攻击（BA）的性能甚至比RDA更差。此外，我们发现，一个高性能的链接预测方法可能具有较低的攻击鲁棒性，反之亦然。
2018-11-12 cs.SI physics.soc-ph
Link transmission centrality in large-scale social networks
了解网络中链接在传递信息中的重要性，可以提供一些方法来阻止或推迟正在发生的动态现象，如流行病的传播或信息的扩散。在这项工作中，我们提出了一个新的措施，随机扩散过程的基础上，\textit{transmission centrality}，捕获的重要性，通过估计的平均数量的节点，他们在全球传播扩散过程中传递信息的链接。我们提出了一个简单的算法解决方案来计算传输中心性，并在非常大的网络中以较低的计算成本来近似它。最后，我们在三个大型经验社交网络中识别弱关系时应用了传输中心性，表明该度量在识别驱动社交网络中传播过程的链接方面优于其他中心性度量。
2018-02-14 cs.SI physics.soc-ph
Predictability of missing links in complex networks
预测真实网络中的缺失链路是网络科学中的一个重要问题，人们在这方面做了大量的工作，因此在文献中出现了大量的链路预测方法。在这项工作中，我们采取了不同的观点对这个问题，并研究的理论局限性的可预测性的缺失环节。特别是，我们假设有一个不可约的不确定性，在真实网络的链接预测作为其形成过程的随机性的结果。通过考虑由著名的网络模型定义的合奏，我们证明了分析，即使是最好的可能的链接预测方法的合奏，给出的合奏连接概率的排名，产生有限的精度。这一结果表明，在实际复杂网络中，链接的可预测性在理论上是有限的。最后，我们表明，连接概率推断拟合网络模型真实的网络允许估计一个上限的可预测性丢失的链接，我们进一步提出了一种方法来近似这样的界限从不完整的实例真实世界的网络。
2019-01-31 cond-mat.stat-mech cs.SI physics.soc-ph
Overlapping Communities and the Prediction of Missing Links in Multiplex Networks
多路复用网络是将现实世界的复杂系统表示为通过不同类型的连接（即层）连接的一组实体（即节点）。这些网络中观察到的连接可能并不完整，链接预测任务是跨层定位丢失的链接。在这里，主要的挑战是从不同的层收集相关的证据，以帮助链接预测任务。众所周知，社区中的共同成员资格增加了节点之间连接的可能性。我们讨论的共同成员在社区的相似层增加了连接的机会。如果这些层显示出显著的层间群落重叠，则它们被认为是相似的。此外，我们发现，虽然链接的存在是相关的层，但这种相关性的程度是不一样的不同社区。我们建议，ML-BNMTF，作为一种链路预测方法在复用网络中，设计基于这些发现。ML-BNMTF优于基线方法，特别是当全球链路重叠低。
2020-05-15 cs.SI physics.soc-ph
Link prediction in Foursquare network
Foursquare是一个在线社交网络，可以用用户和场地的二分网络来表示。如果用户已在该地点签到，则连接用户-地点对。就Foursquare而言，网络分析技术可以用来增强用户体验。其中一种技术是链接预测，其可以用于构建场所的个性化推荐系统。二分网络推荐系统通常使用全局排序方法和协同过滤来设计。一种不太为人所知的方法-基于网络的推理也是二分网络中链接预测的可行选择，有时表现得比前两种更好。在本文中，我们在Foursquare网络上测试这些技术。最好的技术被证明是基于网络的推理。我们还表明，考虑到可用的元数据可能是有益的。
2016-02-11 cs.SI physics.soc-ph
Measuring Contextual Relationships in Temporal Social Networks by Circle Link
网络科学在基于静态拓扑信息的社会网络分析中发挥了其独特的作用。在现实中，社会交往是动态的，并在时间上同时演变。如今，它们可以被无处不在的信息技术记录下来，并生成为时间社交网络，为社会现实挖掘提供了新的视角。本文通过定义\emph{circle link}来度量三个经验性社会时间网络中的语境关系，发现与共同好友有频繁持续互动的朋友倾向于亲近，这可以被认为是时间社交网络中Grananetter假设的扩展。最后，我们提出了一个启发式的方法，基于圆链接预测关系，并获得了可接受的结果。
2017-06-06 cs.SI physics.soc-ph
Pairwise Link Prediction
链接预测是网络科学中的一个常见问题，涉及多个学科。目标是预测新链接的出现或找到网络中丢失的链接。用于链接预测的典型方法使用网络的拓扑来预测一对节点之间最可能的未来或丢失的连接。然而，网络演化通常是由涉及多对节点的高阶结构介导的;例如，三个节点上的集团（也称为三角形）是社交网络结构的关键，但标准的链接预测框架不能直接预测这些结构。为了解决这个差距，我们提出了一个新的链接预测任务，称为“成对链接预测“，直接针对新的三角形的预测，其中一个任务是找出哪些节点最有可能形成一个三角形与给定的边缘。我们开发了两个PageRank为基础的方法，我们成对的链接预测问题，并自然扩展到现有的链接预测方法。我们在各种网络上的实验表明，基于扩散的方法对所使用的图形类型不太敏感，并且其结果更加一致。我们还展示了我们的成对链接预测框架可以用来得到更好的预测标准的链接预测评估的上下文中。
2019-07-10 cs.SI physics.soc-ph
Personalized Degrees: Effects on Link Formation in Dynamic Networks from an Egocentric Perspective
理解动态社交网络中链接形成的驱动机制是一个长期存在的问题，它对理解社会结构以及链接预测和推荐都有影响。社交网络表现出高度的传递性，这解释了基于共同邻居的链接预测方法的成功。在本文中，我们将从自我节点的角度研究链接形成的机制。我们引入了自我的每个邻居节点的个性化程度的概念，这是一个特定的邻居连接到其他邻居的数量。从四个在线社交网络数据集的实证分析，我们发现，具有较高的个性化程度的邻居更有可能导致新的链接形成时，他们作为共同的邻居与其他节点，无论是在无向和有向设置。这与Adamic和Adar的发现是互补的，即具有较高（全局）度的邻居节点不太可能导致新的链接形成。此外，在有向网络中，我们发现个性化的出度比个性化的入度对链接形成的影响更大，而全局入度比全局出度对链接形成的影响更大。我们通过几个链接推荐实验验证了我们的实证研究结果，并观察到，将个性化和全球度链接推荐大大提高了准确性。
2019-03-05 cs.SI physics.soc-ph
Missing Link Identifcation Using SIS Epidemic Traces
网络上SIS流行病的研究强调了网络拓扑结构在传播过程中的作用。然而，SIS流行病的准确模型依赖于网络拓扑结构的完整知识，这通常是不可用的。本文解决了从观察到的感染时间痕迹推断网络拓扑结构的问题，特别是在网络拓扑结构是部分已知或已知的一些不确定性。我们提出了一种贝叶斯方法来推断网络中不确定链接的后验概率，并推导出这些概率的封闭形式方程。我们还提出了一个数值方法的基础上吉布斯采样时，不确定的链接数量很大，使用封闭形式的方程变得不切实际。数值结果表明，所提出的方法分配高概率的现有的链接和低概率的网络不存在的链接时，SIS痕迹是足够长的能力。
2017-07-21 physics.data-an physics.soc-ph
Loss of transmission on directed networks due to link deletion
我们调查的影响，链路删除1对1的传输过程中发生的各种模型的有向网络和成功的传输和平均传输时间的分数来表征他们。我们直观的参数和数值表明，成功传输的概率取决于，平均而言，在分数大小的强连接组件（SCC）和平均传输时间取决于SCC的平均路径长度（APL）。在一个特定的道路网络的背景下，我们研究了各种过程参数的作用。最后，我们提供了补救策略，以改善传输过程中的链接删除在这样的网络。
2019-07-09 cs.SI physics.soc-ph
Link Prediction in Complex Networks: A Survey
复杂网络中的链路预测问题越来越受到物理学界和计算机科学界的关注。本文综述了链路预测算法的最新进展，重点介绍了基于随机游走的方法和极大似然方法等物理方法对链路预测算法的贡献。介绍了三个典型的应用：网络重构、网络演化机制评价和部分标号网络分类。最后，我们介绍了一些应用程序，并概述了未来的挑战，链接预测算法。
2010-10-04 cs.SI physics.comp-ph physics.soc-ph
Link prediction for interdisciplinary collaboration via co-authorship network
我们分析了布里斯托尔大学在$2008$和$2013$之间收集的出版和研究（PURE）数据集。利用现有的合著网络及其学术信息，我们提出了一种新的链接预测方法，其具体目的是确定潜在的跨学科合作，在大学范围内的合作网络。
2018-03-16 cs.DL physics.soc-ph stat.AP
Predicting Social Links for New Users across Aligned Heterogeneous Social Networks
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
在线社交网络近年来取得了巨大的成功，其中许多涉及多种节点和复杂的关系。在这些关系中，用户之间的社会联系非常重要。许多现有的链接预测方法集中于基于社交网络的快照来预测将来将在所有用户之间出现的社交链接。在现实世界的社交网络中，每天都有许多新用户加入该服务。预测新用户的链接更重要。与传统的链接预测问题不同，由于以下原因，针对新用户的链接预测更具挑战性：（1）新用户和现有活动用户之间的信息分布差异（即，老用户）;（2）缺乏来自网络中的新用户的信息。提出了一种链接预测方法SCAN-PS（Supervised Cross Aligned Networks链接预测with Personalized Sampling），用于解决新用户的链接预测问题。为了在网络内知识转移之前适应信息分布的差异，提出了一种目标网络内个性化抽样方法，对已有的活跃用户信息进行处理。SCAN-PS还可以利用其他源网络中的信息，其中用户帐户与目标网络一致。这样，SCAN-PS就可以解决目标网络中完全没有这些新用户信息时的冷启动问题。
2013-10-13 cs.LG cs.SI physics.soc-ph
